龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：本申请涉及一种基于语义学习的时序信号处理方法、装置和设备。所述方法包括：采用时序语义生成模块对时序序列进行采样、划分和加权；特征提取模块利用自注意机制能够捕捉加权后的划分样本之间的局部相关性和全局相关性；采用对比学习模块计算编码特征的对比学习损失，使该模型学习正样本之间的共有特征和负样本之间的可分性特征，得到时序语义特征；将时序语义特征输入到预设时序目标分类任务的分类头中，得到目标识别结果。本方法能够实现对时序序列的语义特征学习，提升了模型对于时序序列所包含的时序语义信息的理解，最终使得模型能够获取具有良好表征的时序特征，有效提高了分类识别的效率和准确率，并在多种干扰条件下取得良好识别性能。
主权项：1.一种基于语义学习的时序信号处理方法，其特征在于，所述方法包括：获取时序序列；所述时序序列是由多种传感器对周围的环境或人体情况进行监测感知得到的数据；采用所述时序序列对预构建的基于语义学习的时序序列特征表征模型进行训练，得到训练好的时序序列特征表征模型；所述基于语义学习的时序序列特征表征模型包括：时序语义生成模块、特征提取模块以及对比学习模块；所述时序语义生成模块用于对所述时序序列进行采样划分，根据每一个划分样本计算其对应的语义权重，采样所述语义权重对划分样本进行加权，得到加权后的划分样本；所述特征提取模块用于对加权的划分样本进行投影编码，将编码结果采用自注意力机制进行局部相关性和全局相关性特征提取，得到编码特征；所述对比学习模块用于计算对比学习损失，采用对比学习损失使模型学习正样本之间的共有特征和负样本之间的可分性特征，得到时序语义特征；将预设时序目标分类任务中的待处理时序序列采用训练好的时序序列特征表征模型进行处理，将得到的时序语义特征输入到预设时序目标分类任务的分类头中，得到目标识别结果。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 基于语义学习的时序信号处理方法、装置和设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号