[发明专利]一种基于深度学习与强化学习的室内声学行为识别方法在审

专利信息
申请号: 201910199994.7 申请日: 2019-03-15
公开(公告)号: CN109949827A 公开(公告)日: 2019-06-28
发明(设计)人: 黄继风;刘明;茅红伟;陈海光;陈军华 申请(专利权)人: 上海师范大学
主分类号: G10L25/51 分类号: G10L25/51;G10L25/27;G06N3/08;G06N3/04
代理公司: 上海申新律师事务所 31272 代理人: 竺路玲
地址: 200232 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明一种基于深度学习与强化学习的室内声学行为识别方法,涉及室内声学行为识别技术领域。本发明包括A通过终端声音传感器实时获取室内原始声音数据,并将其转换成不包含隐私的特征数据;B将特征数据中包含的用户行为作为标签和特征数据,输入到深度强化学习网络中训练;C在训练过程中,每次提供一定批次的特征数据给深度强化学习网络,并由深度强化学习网络进行预测,根据其预测结果,动态决定下一批次所提供的各分类特征数据的比例及回报值R的值;D根据深度强化学习网络对上一批次的各个分类进行预测的错误率,决定是否停止训练等步骤。本发明在只使用不平衡数据集作训练深度强化学习网络的情况下,极大提高深度强化学习网络预测准确率。
搜索关键词: 强化学习 特征数据 室内声学 行为识别 网络 原始声音数据 声音传感器 动态决定 分类特征 实时获取 网络预测 训练过程 用户行为 预测结果 错误率 数据集 预测 准确率 隐私 标签 室内 终端 学习 分类 回报 转换
【主权项】:
1.一种基于深度学习与强化学习的室内声学行为识别方法,其特征在于,包括如下步骤:A.通过终端声音传感器实时获取室内原始声音数据,并将其转换成不包含隐私的特征数据;B.将以特征数据中包含的用户行为作为标签和特征数据,两者同时输入到深度强化学习网络中训练;C.在训练过程中,每次提供一定批次的特征数据给深度强化学习网络,并由深度强化学习网络进行预测,根据其预测结果,动态决定下一批次所提供的各分类特征数据的比例及回报值R的值;D.根据深度强化学习网络对上一批次的各个分类进行预测的错误率,决定是否停止训练。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海师范大学,未经上海师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910199994.7/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top