一种基于多模态特征偏差高斯化的过程协同学习方法

AITNT
正文
推荐专利
一种基于多模态特征偏差高斯化的过程协同学习方法
申请号:CN202510102266
申请日期:2025-01-22
公开号:CN120012867A
公开日期:2025-05-16
类型:发明专利
摘要
本发明公开了一种基于多模态特征偏差高斯化的过程协同学习方法,该方法构建多流学生网络小组,小组内每个多流学生网络的图像特征,文本特征以及声音特征。然后,多模态特征转换器将各流特征进行转换,得到各多流学生网络之间可以适配的多模态特征。接下来,计算其每个子网络的输出特征与其他学生网络每个子网络输出特征之间的偏差,使用分段幂级转换对偏差进行高斯化。最后,对于使用多模态特征偏差高斯化技术的特征信号,建立过程协同学习函数,完成多流学生网络的优化。
技术关键词
协同学习方法 多模态特征 网络 学生 转换器 偏差 输出特征 样本 文本 多信号 信号特征 图像 表达式 参数 输入端 分段 输出端
系统为您推荐了相关专利信息
1
基于多维数据整合的项目全周期运营管理系统及其方法
运营管理方法 BP神经网络模型 运营管理系统 计划 绘图模块
2
一种基于区域资管的资源调配方法
LSTM神经网络 资源调配方法 代表 序列 资源管理技术
3
一种应对高寒草原灌丛化监测防治系统及其工作方法
图像特征数据 周期 防治系统 构建预测模型 构建训练集
4
一种基于深度学习的简历解析方法、装置、计算机设备及可读存储介质
简历解析方法 计算机设备 可读存储介质 长短期记忆网络 深度学习框架
5
基于超表面的光电计算芯片的构建方法和光电计算芯片
超表面 网络 光电 芯片 阵列
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号