基于局部卷积块注意力网络的语音端点检测方法及系统.pdf

一种基于注意力机制和卷积神经网络的单通道语音增强方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114464201 A (43)申请公布日 2022.05.10 (21)申请号 202210125478.1 (22)申请日 2022.02.10 (71)申请人辽宁工程技术大学地址 12300

2023-05-07 约8.41千字 8页立即下载

基于卷积神经网络和注意力机制的心律失常检测方法研究.pdf 基于卷积神经网络和注意力机制的心律失常检测方法研究研究生姓名：孙宇灏导师姓名：周飞燕学科：软件工程研究方向：计算机辅助心电图诊断年级：2021级摘要心血管疾病在全球范围内的发病率不断攀升，已成为许多国家首要的致死病因。随着医疗机构日常诊疗业务量的增长，专业心电图医师面临着繁重的诊断任务压力。通过采用先进的深度学习技术进行心电图诊断，有望实现对心血管疾病的高效识别与精准判断，从而有效减轻临床医生的工作负担。本文聚焦于心律失常的心电图表征及其在诊断分类过程中所遇到的主要挑战，并基于深度神经网络研发出一种针对早搏的分类模型以及一种患者间心拍心律失常的分类模型。本文的核心内容概括如下

2025-04-05 约8.07万字 61页立即下载

基于注意力机制的卷积神经网络医学图像关键点检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 113393446 B (45)授权公告日 2022.04.15 (21)申请号 202110687012.6 G06T 5/00 (2006.01)

2023-06-18 约1.9万字 17页立即下载

基于图注意力网络和时间卷积络的多模态异常检测方法研究.pdf 基于图注意力网络和时间卷积生成对抗网络的多模态异常检测方法研究摘要随着我国工业快速发展，工业生产逐渐趋向智能化。在复杂的工业场景中，智能传感器也更加得普及，越来越多可靠的时间序列数据可以被收集，这些时间序列数据通常具有多模态的特征，并且每个模态都蕴含着重要的设备信息。因此，针对这多模态时序数据提出合理的异常检测方法是必要的。工厂场景下，多模态时序数据的复杂程度大大增加了异常检测的难度。而现有的深度学习方法在面临多模态工业时序数据时面临着以下问题：（1）随着数据维度和模态的增加，对各个模态之间相关信息没有充分地考虑，这些信息通常是多模态异常检测所需要的关键信息。（2）现有的深度学

2025-05-22 约9.59万字 59页立即下载

一种基于双路注意力卷积神经网络的宫颈OCT图像分类方法及系统.docx PAGE 1- 一种基于双路注意力卷积神经网络的宫颈OCT图像分类方法及系统 第一章引言随着现代医疗技术的不断发展，早期疾病检测与诊断在提高患者生存率和生活质量方面发挥着至关重要的作用。宫颈疾病，尤其是宫颈癌，是女性健康的一大杀手。光学相干断层扫描（OpticalCoherenceTomography，OCT）技术作为一种非侵入性成像技术，在医学诊断领域展现出巨大的潜力。近年来，基于深度学习的图像分类方法在医学图像分析中的应用日益广泛，其高精度、自动化的特点为宫颈OCT图像的分类提供了新的思路。在宫颈癌的早期诊断中，宫颈OCT图像能够提供丰富的组织结构信息，有助于医生对病情进行准确判断。然

2025-01-19 约3.3千字 6页立即下载

基于图卷积网络和选择注意力的方面级情感分析方法及系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361258 A (43)申请公布日 2021.09.07 (21)申请号 202110534313.5 G06N 3/04 (2006.01)

2023-06-18 约1.44万字 13页立即下载

语音端点检测的方法.ppt 语音端点检测的方法 演讲者：刘德体 语音端点检测的目的和意义基于短时能量和短时平均过零率的端点检测 基于倒谱特征的端点检测 基于熵的端点检测 基于复杂性的端点检测（KC复杂性和C0复杂性）不同语音端点检测方法的实验结果对比 语音端点检测的目的和意义目的语音信号端点检测技术其目的就是从包含语音的一段信号中准确地确定语音的起始点和终止点，区分语音和非语音信号，它是语音处理技术中的一个重要方面。意义有效的端点检测技术不仅能在语音识别系统中减少数据的采集量，节约处理时间，还能排除无声段或噪声段的干扰，提高语音识别系统的性能，而且在语音编码中还能降低噪声和静音段

2017-12-12 约5.99千字 36页立即下载

基于CNN的注意力检测系统及方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836630 A (43)申请公布日 2021.05.25 (21)申请号 202110136798.2 G06K 9/46 (2006.01)

2023-06-04 约1.15万字 12页立即下载

基于3D卷积的多尺度注意力深度卷积网络的遥感图像融合方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112819737 B (45)授权公告日 2023.04.07 (21)申请号 202110042742.0 G06N 3/0464 (2023.01) (22)申请日 2021.0

2023-06-06 约1.89万字 18页立即下载

基于稀疏自注意力机制的端到端语音识别方法及系统.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114783418 B (45)授权公告日 2022.08.23 (21)申请号 202210694730.0 G10L 15/26 (2006.01) (22)申请日 2022.06

2023-05-12 约1.47万字 13页立即下载

基于稀疏注意力的卷积神经网络模型的特征可视化方法及系统[发明专利.docx PAGE 1- 基于稀疏注意力的卷积神经网络模型的特征可视化方法及系统[发明专利一、引言随着深度学习技术的飞速发展，卷积神经网络（CNN）在图像识别、自然语言处理等领域取得了显著成果。特别是稀疏注意力机制在CNN中的应用，进一步提升了模型的表达能力和泛化能力。然而，由于CNN的内部结构复杂，其特征提取过程往往不透明，难以直观理解模型是如何处理输入数据的。为了解决这一问题，特征可视化方法应运而生，它能够将CNN提取的特征以可视化形式展现，有助于研究者更好地理解模型内部机制，并进一步优化模型性能。近年来，特征可视化技术在计算机视觉领域的研究日益深入。根据统计，已有超过200篇论文对CNN的特

2025-01-18 约3.94千字 7页立即下载

2025-03-02 约1.12万字 17页立即下载

基于堆叠卷积注意力的网络流量异常检测模型.docx PAGE 1- 基于堆叠卷积注意力的网络流量异常检测模型一、引言随着互联网技术的飞速发展，网络流量异常检测成为网络安全领域的一个重要研究方向。网络流量异常检测旨在识别并预测网络中的异常行为，以防止潜在的网络攻击和恶意活动。然而，传统的基于特征工程的方法在处理高维、非结构化数据时往往难以取得良好的效果。近年来，深度学习技术在多个领域取得了显著成果，为网络流量异常检测提供了新的思路。在深度学习领域，卷积神经网络（CNN）在图像识别和视频分析等领域取得了突破性进展。CNN通过学习输入数据的局部特征，能够自动提取出有用的信息。然而，在处理网络流量数据时，CNN在捕捉全局信息方面存在一定的局限性。

2025-01-19 约3.04千字 6页立即下载

2025-02-14 约5.23万字 77页立即下载

一种基于卷积注意力机制的复杂背景下目标检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882241 A (43)申请公布日 2022.08.09 (21)申请号 202210558583.4 G06N 3/04 (2006.01)

2023-05-15 约1.63万字 17页立即下载