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：西安电子科技大学

申请日：2020-12-15

公开（公告）日：2021-03-19

公开（公告）号：CN112528873A

专利技术分类：

专利摘要：本发明提出一种基于多级语义表征和语义计算的语义识别方法，主要解决现有技术用对信号语义识别可解释性差和泛化能力低的问题。其实现方案为：获取训练集和测试集；构建由级联的多级语义表征网络和语义计算网络组成的信号语义识别网络，以对信号进行可学习的多层级语义表征，并根据语义表征计算信号的语义类别；设置语义表征损失函数和交叉熵损失函数对多级语义表征网络和语义计算网络依次进行训练，得到训练好的信号语义识别网络；基于训练好的信号语义识别网络获取待识别信号的语义识别结果。本发明有效提高了信号语义识别的可解释性和泛化能力。可以用于人机交互、语义信息检索。

专利权项：1.一种基于多级语义表征和语义计算的信号语义识别方法，其特征在于，包括如下：1将从信号语义识别数据集中随机选取的M个带有标签的信号组成训练样本集Sa，剩余信号组成测试样本集Sb，其中M≥100；2构建信号语义识别网络H：2a建立由Nl个顺次连接的语义表征子网络Wrl组成的语义表征网络Wr＝{Wrl}，用于表征信号中的语义特征，其中，Nl≥2，l为语义表征子网络Wrl的序号，1≤l≤Nl；2b建立由多个层叠的图卷积层和一个全局图平均池化层组成的语义计算网络Wc，用于根据语义特征计算信号的语义类别；2c将语义表征网络Wr与语义计算网络Wc进行级联，组成信号语义识别网络H；3对信号语义识别网络H进行训练：3a将训练样本集Sa输入到语义表征网络Wr中，并令l＝1，将Sa作为语义表征子网络Wrl的输入训练样本集Sal，对其进行如下迭代训练：3a1设置语义表征子网络Wrl的损失函数为Lr＝Lr1+λLr2，最大迭代次数T≥10，并令初始迭代次数t＝0，其中，Lr1为语义表征独立性损失函数，Lr2为语义表征强度损失函数，λ为Lf1和Lf2的平衡权重，λ＞0；3a2将Sal输入到语义表征子网络Wrl中，得到Wrl的输出Ol，根据Ol计算Lr的值，并采用梯度下降法，对Wrl进行更新；3a3判断t≥T是否成立，若是，得到训练好的语义表征子网络Wrl′，执行3a4，否则，令t＝t+1，返回3a2；3a4判断l≥Nl是否成立，若是，得到训练好的表征网络Wr′及其输出O′，执行3b，否则，令l＝l+1，并令Sal为Ol-1′，返回3a1；3b对语义计算网络Wc进行如下迭代训练：3b1设置语义计算网络Wc的损失函数为交叉熵损失函数Lc，最大迭代次数Q≥100，并令初始迭代次数q＝0；3b2将训练好的表征网络Wr′的输出O′输入到语义计算网络Wc中，得到Wc的输出Oc，并根据Oc计算Lc的值，采用梯度下降法，对Wc进行更新；3b3判断q≥Q是否成立，若是，得到训练好的语义计算子网络Wc′，否则，令q＝q+1，返回3b2；3c将训练好的表征网络Wr′和训练好的语义计算子网络Wc′进行级联，组成训练好的信号语义识别网络H′；4将测试样本集Sb输入到训练好的信号语义识别网络H′中，得到信号语义识别结果。

百度查询： 西安电子科技大学 基于多级语义表征和语义计算的信号语义识别方法