一种基于主动学习的中文新词识别算法

分词是中文自然语言处理的重要基础,新词的不断涌现是分词的最大难题。针对新词识别定义不清、语料缺乏的实际问题,提出了一种以大规模神经网络预训练模型为基础,并结合主动学习和人工规则的新词识别算法。利用预训练模型高效识别候选新词,使用基于不确定性和代表性样本选择的主动学习策略辅助标注新词,利用热度规则、突发性规则和合成性规则识别和过滤新词发现结果。针对新词识别评价标准不一致的问题,给出了一般性准确率和受限制准确率两条规范测试指标。与现有最优算法进行实验对比,所提算法两项指标分别提高了16%和4%。     

基于语音识别的发音学习技术

在语言发音学习中,有效的反馈对学习者有很大的帮助。计算机辅助发音学习系统可以给学习者有效的发音指导。就目前基于语音识别的发音学习技术进行介绍,给出系统原理框图,对一些关键技术和问题进行探讨,并对其发展进行展望。     

基于深度学习的智能机器人语音自动校准系统

针对智能机器人语音校准结果不精准的问题,研究基于深度学习的智能机器人语音自动校准系统。设计语音自动校准引擎A/D电路,通过模拟信号发射范围采集与控制电路原始音频信息,利用紧凑型嵌入式音频接收器接收音频信息。整理与识别音频信息内容,获取语句文本样本集。使用深度学习的正弦和余弦函数编码处理方式构建校正模型的输入部分,通过深度学习的前馈神经网络训练输入样本,完成校正模型输出部分的构建。将训练后的样本输入到校正模型中,得到校正后的文本,实现智能机器人语音自动校准。由实验结果可知,该系统两种指令下的振幅波动范围分别为9～22 dB和7～21 dB,与实际振幅波动情况一致,具有精准校准结果。     

基于深度学习的语音识别垃圾桶的设计

随着“碳达峰、碳中和”目标的提出,为了响应绿色可持续发展的号召,人们逐渐意识到垃圾分类的重要性,但由于大部门城市的居民刚接触垃圾分类,分类知识相对薄弱,且市面上的智能分类垃圾桶仅带有感应式开盖功能,并不能对人类提供相应帮助。为了解决上述问题,本文设计了一款新型的智能垃圾桶,该桶基于深度学习的语音识别技术,以STM32F103R6单片机为核心,搭配红外传感器、语音识别、播报模块、舵机等硬件,协助人们进行垃圾分类的。     

基于深度学习的海量语音数据识别及分类方法研究

传统海量语音数据识别及分类方法容易受到噪声影响,导致识别效果较差,基于此提出了基于深度学习的海量语音数据识别及分类方法.以DSP TMS320VC5410为核心,调节电路进入TLC 320AD 50C模拟/数字(A/D)转换阶段,放大语音信号,读取响应中断的C5410样本数据,回放语音,读取FIFO,去除工频干扰,将信...     

一种基于深度神经网络的电力系统调度控制语音识别模型

为了提高电网调度生产效率,需要研发电力系统智能调度助手,而智能调度助手实现的关键是调度控制命令的精准识别,因此,有必要开展适用于电力调度系统的语音识别模型研究。首先,利用深度神经网络的方法,研究适用于电力调度控制系统的语音识别模型。其次,提出了电网调度控制语言特征设计方法,能够有效包容多种方言特征,提高语音识别的准确性。最后,以实际电网为例进行验证,表明了所提方法的有效性。     

基于一种改进的监督流形学习算法的语音情感识别

为了有效提高语音情感识别的性能,需要对嵌入在高维声学特征空间的非线性流形上的语音特征数据作非线性降维处理。监督局部线性嵌入(SLLE)是一种典型的用于非线性降维的监督流形学习算法。该文针对SLLE存在的缺陷,提出一种能够增强低维嵌入数据的判别力,具备最优泛化能力的改进SLLE算法。利用该算法对包含韵律和音质特征的48维语音情感特征数据进行非线性降维,提取低维嵌入判别特征用于生气、高兴、悲伤和中性4类情感的识别。在自然情感语音数据库的实验结果表明,该算法仅利用较少的9维嵌入特征就取得了90.78%的最高正确识别率,比SLLE提高了15.65%。可见,该算法用于语音情感特征数据的非线性降维,可以较好地改善语音情感识别结果。     

一种基于语音识别的骚扰电话拨测系统

介绍了一种基于语音识别的骚扰电话拨测系统的构建和处理,能显著提高骚扰电话人工审核的效率,进一步完善骚扰电话治理工作.     

图像分类中的深度主动学习研究综述

深度学习已在众多领域如图像分类中取得突破性发展,其成功依赖大量标注数据。然而很多领域中数据标注代价昂贵。主动学习主要是通过合适的查询策略选择信息量大的未标注数据交由专家或者工作人员进行标记,试图以尽可能少的高质量标注数据训练高性能的模型。从不同角度详细地对基于预设计策略和基于学习损失的主动学习方法的研究现状进行了分析和比较,最后对现有的主动学习进行了总结和进一步指出了一些值得研究的方向。     

基于多特征融合的藏语语音情感识别

藏语语音情感识别是语音情感识别在少数民族语音处理上的应用,语音情感识别是人机交互的重要研究方向,提取最能表征语音情感的特征并构建具有较强鲁棒性和泛化性的声学模型是语音情感识别的重要研究内容。基于此,为了构建具有高效性和针对性的藏语语音情感识别模型,文中构建了一种藏语语音情感数据集（TBSEC001）,并提出一种适合于藏语的手工语音情感特征集（TPEFS）,该特征集是在藏语与其他语言的共性和特性的基础上手工提取得到的,TPEFS特征集在支持向量机（SVM）、多层感知机（MLP）、卷积神经网络（CNN）、长短时记忆网络（LSTM）这些经典网络中都取得了不错的效果。所提出的方法在藏语语音数据集（TBSEC001）上取得了88.4%的识别结果,以及在EMODB、RAVDESS、CASIA数据库上分别取得了84.1%、74.3%以及82.5%的识别结果。实验结果表明,该特征集在保证识别率的情况下,对藏语语音情感识别具有一定针对性。     

一种基于卷积神经网络特征表征的语音情感识别方法

为提高智能语音情感识别系统的准确性，提出了一种基于卷积神经网络CNN(Convolution Neural Network)特征表征的语音情感识别模型，该卷积模型以 Lenet-5模型为基础，增加了一层卷积层和池化层，并将二维卷积核改为一维卷积核，将一维特征预处理后，输送进该模型中，对特征变换表征。最后利用SoftMax分类器实现情感分类，CASIA与 EMO-DB开数据库上的识别结果显示:与Lenet-5网络相比，所设计网络模型的准确率分别提升了1.3％与2％，与SoftMax分类器相比，准确率分别提升了3.8％与6.1％，仿真结果验证了网络模型的有效性。     

基于掩蔽特性的一种语音识别特征提取算法

通过对Bark频带和Mel频标之间关系的研究,得到一个BarkMel临界带表,在此基础上详细介绍了一种基于人耳听觉掩蔽特性的MFCC计算方法.实验表明,该方法可使掩蔽特性在MFCC参数提取中达到最优化,提高识别率,具有一定的鲁棒性.     

汉语语音识别中基元HMC的训练策略的研究

在基于ＨＭＭ的语音识别系统中，基元ＨＭＭ的训练至关重要由于基元ＨＭＭ的训练过程并非是一个全局最优过程，因此基元ＨＭＭ初始参数的选择和对训练过程的控制，将对最后训练结果有重要影响。     

语音识别技术在电话语音自动拨号的应用

给出了一种应用于电话语音自动拨号的实时语音识别方法。该系统对特定人的语音进行识别,并将识别结果映射成相应的电话号码。实验结果表明该方法具有很高的识别精度和实时的识别速度,并且只需很小的内存空间就可以实现,是一种有效的应用于电话语音自动拨号等方面的语音识别方法。     

一种CDHMM／MLP混合模型及其在语音识别中的应用

本文提出了一种由连续隐马尔可夫模型与多层感知器构成的混合模型，并将该模型应用于语音孤立词识别，这种混合模型首先用ＣＤＨＭＭ来获取输入信号的动态特性，然后再以ＭＬＰ分类器对输入信号进行分类识别。其主要目的是通过ＭＬＰ分类器，对ＣＤＨＭＭ中的似然估计值进行分析，分类，以加强和提高ＣＤＨＭＭ的分类能力。根据这种混合模型，我们建立了一个含３０个英语单词的语音识别系统。实验结果表明，该系统的识别率明显高于传     

一种面向语音识别的新型神经网络

提出了一种新型神经网络模型，描述了该网络的工作原理和训练方法以及识别算法。为克服神经网络对时序信号建模能力差的缺点，引入了非线性分段处理和代表帧特征提取方法。最后介绍了根据这一模型所设计的一个汉语语音识别系统，试验表明该网络在汉语语音识别方面具有较大的潜力。     

基于Conformer的端到端语音识别模型的压缩优化策略

随着深度学习的兴起,端到端语音识别模型受到越来越多的关注。最近,基于Conformer框架的提出,使得端到端语音识别模型的性能得到进一步的提升,同时在语音识别领域也得到了广泛的应用。然而,这些端到端模型由于内存和计算需求较大,所以在资源有限的设备上部署和推理是受限的。该文为了保证模型精度损失较小的情况下,尽可能地减少模型的大小和计算量,分别采用了模型量化,基于权重通道的结构化剪枝以及奇异值分解等三种压缩优化策略,同时对模型量化进行了改进。探究了不同程度的压缩对模型精度损失所造成的影响。通过结合这些策略在不同设备进行了测试,相比于基线在其字错误率误差小于3%的情况下,模型推理识别的速度约提升3～4倍。     

基于门控循环单元的语音识别研究

针对传统门控循环单元的梯度消失问题,文章提出结合批标准化的同时将饱和激活函数替换为非饱和激活函数,更好的缓解网络发生梯度消失问题。文中通过实验结果表明,相比传统的模型结构,改进后的模型拥有更高的识别率,同时也没有增加算法运行时间。