【技术实现步骤摘要】
本专利技术涉及图像预测，特别是涉及一种基于kan网络的情绪预测方法、系统和存储介质。
技术介绍
1、情感预测是指通过分析一个数据来确定是否表达正面情感、负面情感或者中立情感的过程。由于计算机网络技术的进步，人们不止于传递文字来表达自己的观点，越来越多人选择通过在社交媒体中使用视觉图片和文本结合的形式来积极表达自己的观点和意见。情感预测目前主要包含以下几个方法：基于规则的情感预测——在基于规则的情感预测中，软件经过训练，可以根据针对文本中的关键字来进行情感分类，例如，如果碰见例如“开心”，“漂亮”之类的关键词就可以断定为积极的词性，而如果碰见“倒霉”，“糟糕”之类的就可以断定为消极的磁性；基于机器学习进行情感预测——通过机器学习方法，开发人员使用情感预测算法训练软件像人类一样识别文本中的情感，包括但不限于线性回归、支持向量机、深度学习等方法。
2、现有技术在情感预测方向，普遍从监督方向进行训练，通过收集多个图片和对应的情感标签训练相应的模型来使得模型可以预测其他未见过照片中所蕴涵的情感，早些通过手工标注的方式来收集图片进行模型...
【技术保护点】
1.一种基于KAN网络的情绪预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于KAN网络的情绪预测方法，其特征在于，所述采集数据集，并对所述数据集进行预处理，将预处理之后的数据集按比例划分为训练集和验证集，具体包括：
3.根据权利要求1所述的一种基于KAN网络的情绪预测方法，其特征在于，所述基于KAN网络的情绪预测模型，具体包括：卷积层模块、KAN网络、第一自注意力模块、第二自注意力模块、残差支路、全局平均池化层和全连接层，所述卷积层模块、所述KAN网络、所述第一自注意力模块、所述第二自注意力模块、所述全局平均池化层...
【技术特征摘要】
1.一种基于kan网络的情绪预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于kan网络的情绪预测方法，其特征在于，所述采集数据集，并对所述数据集进行预处理，将预处理之后的数据集按比例划分为训练集和验证集，具体包括：
3.根据权利要求1所述的一种基于kan网络的情绪预测方法，其特征在于，所述基于kan网络的情绪预测模型，具体包括：卷积层模块、kan网络、第一自注意力模块、第二自注意力模块、残差支路、全局平均池化层和全连接层，所述卷积层模块、所述kan网络、所述第一自注意力模块、所述第二自注意力模块、所述全局平均池化层和所述全连接层依次连接，所述残差支路的一端连接所述第一自注意力模块的输入，所述残差支路的另一端连接所述第二自注意力模块的输出。
4.根据权利要求3所述的一种基于kan网络的情绪预测方法，其特征在于，所述基于kan网络的情绪预测模型还包括填充模块，所述填充模块位于所述卷积层模块和所述kan网络之间，所述填充模块用于对所述卷积层模块输出的特征图做填充处理。
5.根据权利要求3所述的一种基于kan网络的情绪预测方法，其特征在于，所述卷积层模块包括依次连接的5个卷积层，分别为第一卷积层、第二卷积层、...
【专利技术属性】
技术研发人员：张阔，曹燚，周砚，王泉，张永宏，袁程胜，赵鸣，阚希，李富，朱灵龙，盛丽娜，万茜，吴昊，
申请(专利权)人：无锡学院，
类型：发明
国别省市：
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。