专利交易市场

一种基于代理模型Volterra建模的语音信号编码和解码方法，由对输入的混沌语音信号进行预处理、用Volterra建模方法构建预测模型、确定混沌语音信号预测模型并编码、解码步骤组成。由于本发明采用对现有的人工蜂群算法进行了改进，对输入的混沌语音信号进行预加重、加窗、分帧预处理，建立了混沌语音信号预测模型，确定混沌语音信号预测模型中的参数，完成混沌语音信号的编码，根据已有编码后的数据，按照常规方法进行解码。本发明利用语音信号的混沌特点，快速准确地实现了对混沌语音信号进行编码、解码，具有步骤简单、容易实现、准确率高等优点，可用于对混沌语音信号进行编码、解码。

本发明提供了代理模型辅助的演化生成对抗网络架构搜索方法和系统，所述方法对生成对抗神经网络中的生成器网络架构进行编码，并对网络架构进行演化搜索。通过初始化若干网络架构并进行训练，构建数据集并训练基于两两比较关系的代理模型。然后，使用代理模型协助进行生成对抗神经网络的演化搜索过程，从而避免了部分架构的训练过程，并直接对神经架构进行非支配排序。最后，在全局最优解中挑选出适合任务需求的网络架构。与传统演化生成对抗网络架构搜索，本发明的代理模型辅助的演化生成对抗网络架构搜索具有稳定、快速的优点。这种方法相比传统的优化方法具有更高的效率和更好的搜索性能，能够更快地找到适合任务的最优神经网络架构。

本发明公开了一种自动化机器学习技术领域的基于多种群机制及代理模型的多目标演化神经架构搜索方法，旨在解决现有技术在设计用于各种视觉任务的卷积神经网络时消耗人力成本高、效率低且难以兼顾多目标场景的问题，其包括构建搜索空间，确定优化目标，对神经网络架构进行种群初始化；通过初始种群来初始化演化搜索过程，并结合预训练的代理模型和多种群机制在搜索空间内进行多目标演化搜索，得到候选神经网络架构；由候选神经网络架构中筛选出兼顾两个优化目标的神经网络架构。本发明通过代理模型加速搜索过程，使用多种群机制拓展解的多样性，来进行高效的神经架构搜索，能在目标数据集上获得一组兼顾多个优化目标的网络架构。

本发明请求保护一种适用于提升通信网络服务质量的双向服务代理模型，包括网络代理、双向服务、双向服务访问点。网络代理是一个实体，可以执行特定的任务并屏蔽网络的具体细节，用于感知用户对网络服务质量的需求并做出相应的反应。双向服务是网络代理间在两个方向上同时互相的提供服务。双向服务访问点是对双向服务的抽象并且是对服务访问点的扩展、一个逻辑上的接口，负责网络代理间通信。本发明的用于通信网络服务质量提升的双向服务代理模型是基于双向服务和网络代理，这区别于传统基于“层”的网络中只能满足下层为上层提供服务；网络代理能够对用户的网络服务质量请求做出智能感知并能够和当前网络兼容，可以从根本上提升网络的服务质量。