时序笔迹生成模型训练方法、装置、设备和介质制造方法及图纸

本发明专利技术涉及时序笔迹生成模型训练方法、装置、设备和介质。训练方法包括：编码器、解码器的训练步骤；基于分数的生成模型的训练步骤；其中，基于分数的生成模型的损失函数引入了优化参数，优化参数通过对原始数据与生成数据在速度、加速度上的相似度进行约束，约束生成数据形成的笔迹轨迹。本发明专利技术训练方法获得的时序笔迹生成模型通过输入的稀疏数据即可生成大量笔迹数据，其与原始数据相似且较为平滑，符合人的书写规律。

【技术实现步骤摘要】

本专利技术涉及计算机，特别是涉及一种时序笔迹生成模型训练方法、装置、设备和介质。

技术介绍

1、目前触屏设备与手写笔的组合已被广泛应用，为了开发基于手写笔的相关系统，需要足够的手写数据。然而在开发手写相关的系统时，往往会遇到数据稀疏的问题；同时，手写数据往往具有高度的个性化，在一种应用场景下、一拨用户下采集到的数据，很难迁移到另一种应用场景下使用。为了解决这一现状，出现了很多可以用于手写数据生成的模型或算法，例如gan网络、diffusion模型等。

2、wordgesture-gan在gan网络上做了改进(见参考文献r1)，主要用于使用手机时用户在键盘上滑动输入的轨迹数据的生成。wordgestur e-gan以键盘固定的布局为基础，在网络特征层中加入手势原型(或可以理解为粗略的滑动轨迹原型)，帮助生成的手势数据更加真实。tsgm在diffusion模型的基础上做了改进(见参考文献r2)，主要用于各种时序数据的生成，例如生理信号、天气变动等。tsgm以diffusion模型中用于数据生成的sgm模块为基础，对其进行修改后，使其生成数据时产生时本文档来自技高网...

【技术保护点】

1.一种时序笔迹生成模型训练方法，其特征在于，包括：

2.根据权利要求1所述的时序笔迹生成模型训练方法，其特征在于，

3.根据权利要求1所述的时序笔迹生成模型训练方法，其特征在于，

4.根据权利要求3所述的时序笔迹生成模型训练方法，其特征在于，

5.根据权利要求1所述的时序笔迹生成模型训练方法，其特征在于，

6.一种时序笔迹生成方法，其特征在于，包括：

7.一种时序笔迹生成模型训练装置，其特征在于，包括：

8.一种时序笔迹生成装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器及存...

【技术特征摘要】

1.一种时序笔迹生成模型训练方法，其特征在于，包括：

2.根据权利要求1所述的时序笔迹生成模型训练方法，其特征在于，

3.根据权利要求1所述的时序笔迹生成模型训练方法，其特征在于，

4.根据权利要求3所述的时序笔迹生成模型训练方法，其特征在于，

5.根据权利要求1所述的时序笔迹生成模型训练方法，其特征在于，

6.一种时序笔迹生成方法，其特征在于，包括：

7.一种...

【专利技术属性】
技术研发人员：黄进，柳天滋，李俊峰，田丰，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：