電子發(fā)燒友App
創(chuàng)作
發(fā)文章
發(fā)帖 
提問(wèn) 
發(fā)資料
發(fā)視頻資料介紹
針對(duì)卷積神經(jīng)網(wǎng)絡(luò)（CNN）聲學(xué)建模參數(shù)在低資源訓(xùn)練數(shù)據(jù)條件下的語(yǔ)音識(shí)別任務(wù)中存在訓(xùn)練不充分的問(wèn)題，提出一種利用多流特征提升低資源卷積神經(jīng)網(wǎng)絡(luò)聲學(xué)模型性能的方法。首先，為了在低資源聲學(xué)建模過(guò)程中充分利用有限訓(xùn)練數(shù)據(jù)中更多數(shù)量的聲學(xué)特征，先對(duì)訓(xùn)練數(shù)據(jù)提取幾類(lèi)不同的特征；其次，對(duì)每一類(lèi)類(lèi)特征分別構(gòu)建卷積子網(wǎng)絡(luò)，形成一個(gè)并行結(jié)構(gòu)，使得多特征數(shù)據(jù)在概率分布上得以規(guī)整；然后通過(guò)在并行卷積子網(wǎng)絡(luò)之上加入全連接層進(jìn)行融合，從而得到一種新的卷積神經(jīng)網(wǎng)絡(luò)聲學(xué)模型；最后，基于該聲學(xué)模型搭建低資源語(yǔ)音識(shí)別系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，并行卷積層子網(wǎng)絡(luò)可以將不同特征空間規(guī)整得更為相似，且該方法相對(duì)傳統(tǒng)多特征拼接方法和單特征CNN建模方法分別提升了3. 27%和2.08%的識(shí)別率；當(dāng)引入多語(yǔ)言訓(xùn)練時(shí)，該方法依然適用，且識(shí)別率分別相對(duì)提升了5. 73%和4.57%。
下載該資料的人也在下載
下載該資料的人還在閱讀
更多 >
- 基于多列卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)算法 6次下載
- 基于剪枝與量化的卷積神經(jīng)網(wǎng)絡(luò)壓縮算法 6次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)多層面二階特征融合模型 4次下載
- 緊湊的卷積神經(jīng)網(wǎng)絡(luò)模型研究綜述 9次下載
- 綜述深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型應(yīng)用及發(fā)展 20次下載
- 基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的自動(dòng)代碼特征提取模型 46次下載
- 基于U-Net的多尺度循環(huán)卷積神經(jīng)網(wǎng)絡(luò) 5次下載
- 基于特征交換的卷積神經(jīng)網(wǎng)絡(luò)圖像分類(lèi)算法 27次下載
- 一種基于多視圖架構(gòu)的深度卷積神經(jīng)網(wǎng)絡(luò)模型 5次下載
- 基于迭代膨脹卷積神經(jīng)網(wǎng)絡(luò)與ATT的實(shí)體名識(shí)別方法 6次下載
- 基于多孔卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計(jì)模型 5次下載
- 如何使用混合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行入侵檢測(cè)模型的設(shè)計(jì) 19次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)與多特征融合的Twitter情感分類(lèi)方法 1次下載
- 卷積神經(jīng)網(wǎng)絡(luò)特征重要性分析及增強(qiáng)特征選擇模型 0次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像標(biāo)注模型 4次下載
- 卷積神經(jīng)網(wǎng)絡(luò)共包括哪些層級(jí) 384次閱讀
- 全卷積神經(jīng)網(wǎng)絡(luò)的工作原理和應(yīng)用 374次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的壓縮方法 157次閱讀
- BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系 530次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別 865次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)在文本分類(lèi)領(lǐng)域的應(yīng)用 358次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu) 249次閱讀
- 詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 1557次閱讀
- 基于卷積神經(jīng)網(wǎng)絡(luò)的垃圾圖像分類(lèi)算法 935次閱讀
- 詳解卷積神經(jīng)網(wǎng)絡(luò)卷積過(guò)程 1.7w次閱讀
- 如何使用numpy搭建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)詳細(xì)方法和程序概述 5976次閱讀
- 一種用于圖像分類(lèi)的卷積神經(jīng)網(wǎng)絡(luò) 9742次閱讀
- 深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)在每一層提取到的特征以及訓(xùn)練的過(guò)程 2.6w次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)分析-LeNet 2687次閱讀
- 【科普】卷積神經(jīng)網(wǎng)絡(luò)(CNN)基礎(chǔ)介紹 1.1w次閱讀
上傳資料賺積分下載排行
本周
- 1電子電路原理第七版PDF電子教材免費(fèi)下載
- 0.00 MB | 1490次下載 | 免費(fèi)
- 2單片機(jī)典型實(shí)例介紹
- 18.19 MB | 93次下載 | 1 積分
- 3S7-200PLC編程實(shí)例詳細(xì)資料
- 1.17 MB | 27次下載 | 1 積分
- 4筆記本電腦主板的元件識(shí)別和講解說(shuō)明
- 4.28 MB | 18次下載 | 4 積分
- 5開(kāi)關(guān)電源原理及各功能電路詳解
- 0.38 MB | 10次下載 | 免費(fèi)
- 6基于AT89C2051/4051單片機(jī)編程器的實(shí)驗(yàn)
- 0.11 MB | 4次下載 | 免費(fèi)
- 7基于單片機(jī)和 SG3525的程控開(kāi)關(guān)電源設(shè)計(jì)
- 0.23 MB | 3次下載 | 免費(fèi)
- 8基于單片機(jī)的紅外風(fēng)扇遙控
- 0.23 MB | 3次下載 | 免費(fèi)
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 2PADS 9.0 2009最新版 -下載
- 0.00 MB | 66304次下載 | 免費(fèi)
- 3protel99下載protel99軟件下載(中文版)
- 0.00 MB | 51209次下載 | 免費(fèi)
- 4LabView 8.0 專(zhuān)業(yè)版下載 (3CD完整版)
- 0.00 MB | 51043次下載 | 免費(fèi)
- 5555集成電路應(yīng)用800例(新編版)
- 0.00 MB | 33562次下載 | 免費(fèi)
- 6接口電路圖大全
- 未知 | 30320次下載 | 免費(fèi)
- 7Multisim 10下載Multisim 10 中文版
- 0.00 MB | 28588次下載 | 免費(fèi)
- 8開(kāi)關(guān)電源設(shè)計(jì)實(shí)例指南
- 未知 | 21539次下載 | 免費(fèi)
總榜
- 1matlab軟件下載入口
- 未知 | 935053次下載 | 免費(fèi)
- 2protel99se軟件下載(可英文版轉(zhuǎn)中文版)
- 78.1 MB | 537791次下載 | 免費(fèi)
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420026次下載 | 免費(fèi)
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費(fèi)
- 6電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191183次下載 | 免費(fèi)
- 7十天學(xué)會(huì)AVR單片機(jī)與C語(yǔ)言視頻教程 下載
- 158M | 183277次下載 | 免費(fèi)
- 8proe5.0野火版下載(中文版免費(fèi)下載)
- 未知 | 138039次下載 | 免費(fèi)
工商網(wǎng)監(jiān)
評(píng)論