一种车载噪音识别方法
    1.
    发明公开

    公开(公告)号:CN112687294A

    公开(公告)日:2021-04-20

    申请号:CN202011521089.8

    申请日:2020-12-21

    IPC分类号: G10L25/51 G10L25/30

    摘要: 本发明提供一种车载噪音识别方法,包括以下步骤:步骤1:首先对输入车载噪音信号进行预加重、分帧加窗等预处理操作;步骤2:利用布谷鸟搜索(CS)算法的全局寻优能力去找到深度信念网络(DBN)的最优初始权值、学习率以及隐层神经元数目,获得最优的深度信念网络结构;步骤3:在激活函数的选择上,采用ReLU激活函数替换常用的sigmod函数,有效解决梯度消失问题;步骤4:采用改进后的深度信念网络模型实现输入车载噪音信号的自动特征提取;步骤5:将深度信念网络模型提取到的高层噪音特征作为基于卡方距离改进的高斯加权KNN算法(GCKNN)中的输入,实现最后的噪音识别。本发明结合了DBN自动提取特征的能力和GCKNN的快速学习能力,得到最佳的噪音识别效果。

    一种基于概率图模式推断的文本智能教学评价方法

    公开(公告)号:CN113052461B

    公开(公告)日:2022-04-08

    申请号:CN202110317882.4

    申请日:2021-03-25

    摘要: 本发明涉及智能教学领域,具体公开了一种基于概率图模式推断的文本智能教学评价方法,其结合教学评价量表来源多维的特点将多源数据(包括教学文案、教学过程、技术应用、教师素养、教学质量、创新应用等指标)先进行整合,然后将整合后的多维数据放入LEX‑BERT模型中训练以提取教学评价量表的文本特征并加以适当推理,而后给文本特征加之以权重并放入到PGM模型中,通过PGM模型推断得出教师素养和教学质量的正负概率,最后将推断概率进行归一化处理之后输出最终基于文本的智能教学评价分数。本发明基于多源的教学评价量表数据,结合LEX‑BERT模型与图概率模型的信度推断优势,可获得更可靠的教学评价。

    一种基于概率图模式推断的文本智能教学评价方法

    公开(公告)号:CN113052461A

    公开(公告)日:2021-06-29

    申请号:CN202110317882.4

    申请日:2021-03-25

    摘要: 本发明涉及智能教学领域,具体公开了一种基于概率图模式推断的文本智能教学评价方法,其结合教学评价量表来源多维的特点将多源数据(包括教学文案、教学过程、技术应用、教师素养、教学质量、创新应用等指标)先进行整合,然后将整合后的多维数据放入LEX‑BERT模型中训练以提取教学评价量表的文本特征并加以适当推理,而后给文本特征加之以权重并放入到PGM模型中,通过PGM模型推断得出教师素养和教学质量的正负概率,最后将推断概率进行归一化处理之后输出最终基于文本的智能教学评价分数。本发明基于多源的教学评价量表数据,结合LEX‑BERT模型与图概率模型的信度推断优势,可获得更可靠的教学评价。