关键词检测系统中废料模型技术的研究

关键词检测是语音识别中一个重要的研究方向．关键词检测技术的重点之一就是代表非关键词语音的模型，不论识别系统的方法怎样，大部分是采用废料模型的，而废料模型的结构和类型对整个系统的性能有很大的影响．提出了一种基于音节格的废料模型．实验表明，与传统的基于音素类的废料模型相比，关键词的检测率有了很大的提高．     

日本語オノマトぺの翻訳についての検討

擬音語は日本人が日常生活で、ュミュニケ一シュソをする際によく使う言語でぁる.本稿では日中両言語の擬音語を对象にして、擬音語の翻訳方法を考察した.その結果、次のことが明らかになった.①翻訳するとき、擬音語の発音によつて、本来がど のような音かとい うことははつ きりすベきでぁる.明る い 語に訳するか、おもい語に訳するかを決める;②また、語形および、発音の分類を基礎にして、類似の語形の擬音語に訳する；③発音でも語形で も明確な特徵がない擬音語の埸合、文法的な働きを根拠に訳すべきでぁる;④類似性と言語環境の影響も軽視できない.この影響を十分に考えていながら擬音語を翻訳する.     

试析英语词素

词素是最低限度的语义单位，可分为自由词素和词根等类型，可由一组词素变体来构成     

浅谈俄罗斯人对音素的偏好

交际是人们传递信息、交流思想以达到某种目的的社会活动。语言是交际的工具和基础。在无共同使用语言跨语种交际中,语言失去了原有的作用,声音转化成解码话语的依据。本文以索绪尔交际过程描述为理论基础,探索无共同使用语言跨语种交际中话语解码的方式。以声音为根本出发点,研究俄罗斯人对因素的偏好,以求对中俄交际有积极的参考价值。     

浅析高职英语听力教学改革

听力教学是高职院校英语专业学生重要的专业课程之一．听力能力也是学生应用英语语言的重要体现。文章针对高职院校目前的听力教学方面存在的问题，以及从教学和学生的角度归纳影响学习听力的因素，提出一些在今后听力教学改革方面的建议。     

利用语音学知识和神经网络识别非特定人的复合元音

本文主要研究：以音素为识别基元，运用语音学知识，对非特定人的普通话复合元音进行识别。其特点是音素识别由神经网络（ＮＮ）完成，为了便于利用语音知识ＮＮ输入层的刺激采用语音的功率谱，用单元音训练的ＮＮ识另非特定人的普通话复合元音，识别率是５４％。而运用语音学知识后，其识别率提高到９０％。     

任务型教学在大学英语语音教学中的实践

文章将任务型教学的理念应用于英语专业语音教学当中,把学生分成若干学习小组,设置安排有具体语音学习目标的各种任务,引导学生完成具有明确教学目的的任务,最终提高学生运用正确的语音语调进行语言交际的能力。     

连续音素的改进深信度网络的识别算法*

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。     

基于多GPU的深层神经网络快速训练方法

近年来,深层神经网络(deep neural network,DNN)被成功应用于语音识别领域,成为一种很具发展潜力的语音识别模型。然而,由于其训练算法复杂度高,随着训练数据和网络规模增大,DNN模型训练将非常耗时。为提高DNN的训练效率,该文研究了基于多图形处理器(graph-ic processing unit,GPU)的DNN快速训练算法。在TIMIT数据集上的音素识别实验显示:在基本保证识别性能的前提下,优化后的DNN快速训练方法在4个GPU下训练速度相比单GPU有约3.3倍的提升。实验结果表明该快速训练方法可以显著提升DNN模型的训练速度。     

一种基于离散小波变换的音素分段算法

提出了一种基于离散小波变换的新的音素分段算法。首先对原始语音信号取绝对值,然后对其进行小波变换,认为8阶小波变换绝对值的极大值点对应于原始语音的音素分段点。该算法较传统的算法计算量小。实践证明,分段效果较传统的分段方法有效性高。