基于注意力机制的无监督多模态心电图异常检测方法.pdf
猫巷****盟主
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于注意力机制的无监督多模态心电图异常检测方法.pdf
本发明公开了一种基于注意力机制的无监督多模态心电图异常检测方法,根据体表电生理信号无监督地自动进行心电图的异常检测,模型在时序电信号的基础上还考虑了频域信号特性,通过对输入信号编码再解码重构出原始信号,当重构的时序信号与输入时序信号差异大于一定值,则判断该心电图为异常。本发明通过对ECG的时域与频域信号进行特征提取,在无监督不使用标签的情况下,能够区分正常与异常的ECG心拍数据;在有标签的心电图数据有限的情况下,辅助医生自动筛查异常心电图,具有临床的诊断及治疗上的参考意义。
一种基于多模态异常检测机制的假新闻识别方法.pdf
本发明公开了一种基于多模态异常检测机制的假新闻识别方法,包括如下步骤:S1,从新闻网站中获取新闻中图片和文本的信息;S2,根据具体的算法挖掘图片和文本的相关信息;S3,检测输入的新闻中的图片和文本信息是否一致,判别真假新闻。本发明首次提出一种基于多模态异常检测机制的假新闻识别检测新方法,解决了单模态假新闻识别方法的盲区,旨在挖掘和利用图片中区域特征和文本中单词特征之间的具体关系。
基于注意力机制的多模态数据融合三维目标检测方法.pdf
本发明提出了一种基于注意力机制的多模态数据融合三维目标检测方法,实现步骤为:建立训练和测试样本集并对数据进行预处理;构建基于注意力机制的多模态数据融合三维目标检测网络;定义基于注意力机制的多模态数据融合三维目标检测网络的损失函数;对网络模型进行迭代训练;获取三维目标的检测结果。本发明利用特征学习网络,初步提取出一些候选区域,然后将候选区域中的点云数据、点的位置特征以及对应的图像信息进行了融合,充分利用了点云的规则化空间位置信息、点特征的精细化空间结构信息和图像的语义信息,减小了误差累积,进而提高了局部空间
基于图结构与异常注意力机制的机房异常检测方法及装置.pdf
本发明涉及机房检测技术领域,公开了基于图结构与异常注意力机制的机房异常检测方法及装置。本发明根据目标电力机房的传感器监测数据构建多维时间序列,将序列转换为图结构并获取对应的邻接矩阵,根据邻接矩阵和对应图结构的附加权重得到聚合矩阵,将聚合矩阵输入至预先训练完成的图卷积神经网络,以提取图结构特征;并将多维时间序列片段和图结构特征输入到预先训练完成的异常检测模型,得到对应异常检测结果,进而确定异常数据;其中异常检测模型包括多级编解码模块,每级编解码模块包括基于关联差异的Transformer编码器及解码器,该编
基于历史表现的无监督异常检测方法及系统.pdf
本发明公开了一种基于历史表现的无监督异常检测方法及系统,包括以下步骤:S1:周期性触发,获取推理样本;S2:获取训练生成的模型文件和中间变量;S3:用户可对推理结果进行纠正打标,产生的新样本用于打标模式训练的使用;S4:即时模式下获取推理样本作为当前轮次的训练样本,称为T训练样本;S5:从存储中获取上一轮次的训练样本,称为T?1训练样本,以时间为索引对T?1和T训练样本进行拼接、去重、存储,得到完整的训练样本;S6:对训练样本进行交叉验证,计算评估指标二分轮廓系数;S7:执行模型调优,使用网格搜索的方法重