【技术实现步骤摘要】
本专利技术涉及一种声音定位和检测方法、系统及设备，尤其涉及一种基于超图注意力网络的声音定位和检测方法、系统及设备，属于机器学习和音频处理领域。
技术介绍
1、机器学习，机器学习是一种人工智能的分支，其目标是让计算机系统通过学习数据和模式而不是通过明确的编程来改进性能。机器学习的核心思想是让计算机系统从经验中学习，并能够适应新的数据，而无需显式地进行编程。在机器学习中，算法被设计为能够自动地识别和应用数据中的模式，以做出决策或预测未来的数据。机器学习可以分为几个主要类型：监督学习，在这种类型中，算法接受带有标签的训练数据，学习输入和输出之间的映射关系，从而能够对新的、未标记的数据进行预测；无监督学习，这类算法使用未标记的数据进行训练，目标是发现数据中的结构和模式；半监督学习，这是监督学习和无监督学习的结合，其中模型使用带标签和未标签的数据进行训练；强化学习，在这种学习方式中，算法通过与环境的交互学习，通过尝试最大化奖励来做出决策。机器学习应用广泛，包括语音识别、图像识别、自然语言处理、医学诊断、金融预测等领域。
2、音频处理是...
【技术保护点】
1.一种基于超图注意力的声音定位和检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤1包括：
3.根据权利要求1所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤2包括：
4.根据权利要求1所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤3.1具体为，按照一定的批大小读取训练集的特征，输入金字塔卷积模块，获取高维欧氏空间特征，再利用池化层缩减特征个数，减少模型参数，加快模型的训练，得到输出y：
5.根据权利要求4的基于超图注意力...
【技术特征摘要】
1.一种基于超图注意力的声音定位和检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤1包括：
3.根据权利要求1所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤2包括：
4.根据权利要求1所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤3.1具体为，按照一定的批大小读取训练集的特征，输入金字塔卷积模块，获取高维欧氏空间特征，再利用池化层缩减特征个数，减少模型参数，加快模型的训练，得到输出y：
5.根据权利要求4的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤3.2具体为：
6.根据权利要求5所述的基于超图注意力的声音定位和检测方法，其特征在于，所述步骤3....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。