检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

航班预定口语对话系统的设计与实现

中国科学院大学学报（中英文） 2015年第2期32卷 252-258页

作者：陈振锋杨晓昊吴蔚澜刘加夏善红中国科学院电子学研究所传感技术国家重点实验室北京100190 中国科学院大学北京100190 清华大学电子工程系清华信息科学与技术国家实验室北京100084

介绍一个航班预定口语对话系统的设计与实现,该系统允许用户通过普通话进行航班信息查询与预定.重点介绍口语对话系统中的口语语言理解.为了克服语音识别引入的识别错误导致语义理解错误的问题,提出基于词混淆网络的两阶段中文口语语言... 详细信息

介绍一个航班预定口语对话系统的设计与实现,该系统允许用户通过普通话进行航班信息查询与预定.重点介绍口语对话系统中的口语语言理解.为了克服语音识别引入的识别错误导致语义理解错误的问题,提出基于词混淆网络的两阶段中文口语语言理解方法:首先从词混淆网络中选择N元文法作为分类特征,进行主题分类,并通过语义分类模型解析获取对应的语义树结构;然后利用基于规则的语义槽填充器抽取相应的语义槽属性-值.该方法是数据驱动的,训练数据的标记比较容易.实验在汉语航班预定领域进行,结果表明,在语音识别字错误率很高的情况下,该方法比传统的基于语法规则的语言理解方法更加鲁棒,在语义理解正确率方面有明显改善.

关键词：口语对话系统口语语言理解语义理解词混淆网络对话管理

低数据资源条件下基于Bottleneck特征与SGMM模型的语音识别系统

在线全文

学校读者我要写书评

暂无评论

中国科学院大学学报（中英文） 2015年第1期32卷 97-102页

作者：吴蔚澜蔡猛田垚杨晓昊陈振锋刘加夏善红中国科学院大学北京100190 中国科学院电子学研究所传感技术国家重点实验室北京100190 清华大学电子工程系清华信息科学与技术国家实验室北京100084

语音识别系统需要大量有标注训练数据,在低数据资源条件下的识别性能往往不理想.针对数据匮乏问题,本文先研究子空间高斯混合声学模型通过参数共享减少待估计的参数规模,并使用基于最大互信息准则的区分型训练技术提高识别精度;而后在... 详细信息

语音识别系统需要大量有标注训练数据,在低数据资源条件下的识别性能往往不理想.针对数据匮乏问题,本文先研究子空间高斯混合声学模型通过参数共享减少待估计的参数规模,并使用基于最大互信息准则的区分型训练技术提高识别精度;而后在特征层面应用基于深度神经网络的Bottleneck特征来达到特征提取和降维的目的;最后将上述研究成果结合并构建了低资源条件下的语音识别系统.在国际标准的Open KWS 2013数据库上的实验结果表明,本文的技术能够有效改善低资源条件下的系统识别性能,相比基线系统有12%左右的词错误率降低.

关键词：语音识别低资源声学模型声学特征

在线全文

学校读者我要写书评

暂无评论

说话人识别中基于音素分类的数据选择方法

中国科学院大学学报（中英文） 2014年第5期31卷 714-719页

作者：吴蔚澜张卫强刘巍巍田垚陈振锋刘加夏善红中国科学院电子学研究所传感技术国家重点实验室北京100190 中国科学院大学北京100190 清华大学电子工程系清华信息科学与技术国家实验室(筹) 北京100084

在说话人识别中,有效语音数据的选择是一个重要的预处理环节.常用的数据选择方法根据能量信息的强弱对有效数据进行提取,但在实际情况中能量的高低与语音数据并无必然联系.本文在对传统方法进行分析比较的同时引入语言学知识,提出基于... 详细信息

在说话人识别中,有效语音数据的选择是一个重要的预处理环节.常用的数据选择方法根据能量信息的强弱对有效数据进行提取,但在实际情况中能量的高低与语音数据并无必然联系.本文在对传统方法进行分析比较的同时引入语言学知识,提出基于辅音信息的有效数据选择方法.该方法通过对活动语音检测结果中音素识别结果进行分析,保留所有元音,对辅音进行筛选,去除无益于说话人识别的干扰辅音音素,从而实现对有效语音数据的选取.实验表明,应用该方法得到的说话人识别结果,明显优于传统的基于能量的数据选择算法,如基于G.723.1标准的活动语音检测算法和近期提出的基于交叉熵顺序统计滤波的端点检测算法.

关键词：说话人识别有效数据音素解码器辅音

巴戟天多糖对文昌鸡生长性能、肉品质和盲肠微生物的影响

在线全文

学校读者我要写书评

暂无评论

巴戟天多糖对文昌鸡生长性能、肉品质和盲肠微生物的影响

作者：吴蔚广西大学

学位级别：硕士

基于阈值控制策略的Filippov Chay神经元动力学及其耦合同步

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

力学学报 2024年第4期56卷 1068-1087页

作者：安新磊任雁澜兰州交通大学数理学院兰州730070

细胞内外带电离子的连续泵送和传递产生的电磁感应效应对神经元的电活动及模态转换会产生一定的影响,促使其展现出更加丰富的放电特性.文章基于电磁感应影响下的Chay神经元模型,引入了一种以膜电压为阈值的不连续控制策略,建立了相应的F... 详细信息

细胞内外带电离子的连续泵送和传递产生的电磁感应效应对神经元的电活动及模态转换会产生一定的影响,促使其展现出更加丰富的放电特性.文章基于电磁感应影响下的Chay神经元模型,引入了一种以膜电压为阈值的不连续控制策略,建立了相应的Filippov Chay神经元模型,探究了在阈值控制策略影响下的神经元放电节律转迁及相应的边界运动.首先,对系统的边界动力学及滑膜动力学进行了理论分析.其次,利用单双参数分岔图探究了系统多样的放电模式.再次,结合Matcont仿真及稳定性理论详细分析了系统的平衡点及其稳定性,并且利用快慢动力学分析法进一步研究了在阈值影响下所产生的滑膜动力学及各种边界运动的切换.最后,通过电突触耦合,对不同阈值条件下耦合神经元的同步问题进行了讨论.数值仿真结果表明,在阈值的调控下Filippov Chay系统会产生滑膜放电活动及相应的穿越运动和擦边运动,同时其放电周期数也会随着阈值呈现出不同的变化规律,且对于不同阈值下的电耦合情况而言,在系统实现完全同步后都会稳定在周期数较低的放电态.以上所得结果有助于更好地理解神经元滑膜的相关控制,对进一步探究生物神经系统中复杂放电活动和信息处理的动力学行为提供了一定的帮助.

关键词： Filippov神经元阈值控制滑膜动力学切换运动快慢动力学分析耦合同步

补肾化痰法治疗肾虚痰湿型多囊卵巢综合征不孕症的临床疗效观察

在线全文

学校读者我要写书评

暂无评论

补肾化痰法治疗肾虚痰湿型多囊卵巢综合征不孕症的临床疗效观察

作者：吴蔚波浙江中医药大学

学位级别：硕士

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双向流固耦合的航行体高速入水研究

中国造船 2024年第1期65卷 166-175页

作者：鱼怡澜施瑶潘光西北工业大学航海学院西安710072 西北工业大学无人水下运载技术重点实验室西安710072

基于弹性体假设对直径为0.533m、以100m/s速度入水的航行体建立了高精度流固双向耦合数值模型,并试验验证了该数值模型的有效性。进行了不同角度的入水仿真,获得空泡及载荷的演变规律。主要结论如下:随着入水角减小,喷溅水幕的闭合时间... 详细信息

基于弹性体假设对直径为0.533m、以100m/s速度入水的航行体建立了高精度流固双向耦合数值模型,并试验验证了该数值模型的有效性。进行了不同角度的入水仿真,获得空泡及载荷的演变规律。主要结论如下:随着入水角减小,喷溅水幕的闭合时间推迟,空泡非对称性加剧;弹性体在入水时承受的冲击载荷峰值小于刚性体,且呈振荡衰减趋势;航行体应力峰值呈圆环形分布,应力在入水初期出现峰值并振荡衰减,而且在尾部出现应力集中;斜入水时,应力分布及头部纵向变形不对称。随着入水角的增大,应力和应变的峰值增大,应力波传播时间缩短。

关键词：高速入水流固耦合空泡冲击载荷

在线全文

学校读者我要写书评

暂无评论

多层时序网络视角下的最优投资组合策略研究

中国管理科学 2024年

作者：刘超许澜涛北京工业大学经济与管理学院

从股票资产间的线性和非线性关联性及动态演化特征出发理解股票市场，对于投资组合优化研究具有深刻的意义。将多层时序网络与最优化理论相结合，以多层时序网络特征向量中心性测度为基础设计网络风险度量指标，创新性地提出全局最小网... 详细信息

从股票资产间的线性和非线性关联性及动态演化特征出发理解股票市场，对于投资组合优化研究具有深刻的意义。将多层时序网络与最优化理论相结合，以多层时序网络特征向量中心性测度为基础设计网络风险度量指标，创新性地提出全局最小网络风险投资组合模型，基于2010～2022年沪深300成分股数据模拟动态投资过程并结合多种评价指标评估投资组合模型。研究表明：多层时序网络可综合探明股票资产的关联性结构和演变特征，准确刻画复杂金融系统的结构，识别出优质的投资资产；边缘投资组合模型可以获得更好的投资绩效及累积收益率，且这种收益不被系统性风险因子暴露所抵消；边缘全局最小网络风险投资组合模型在外样本期间有着最优的投资表现，且在股市波动依然保持较强的稳健性，适合风险承受能力低的投资者使用。研究结论丰富了投资者的投资策略，尤其是对风险承受能力较低的散户有一定的参考意义。

关键词：多层时序网络股票市场投资组合优化

基于空洞卷积神经网络的红壤有机质含量预测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第10期44卷 2941-2952页

作者：邓昀吴蔚石媛媛陈守学广西嵌入式技术与智能系统重点实验室广西桂林541006 桂林理工大学信息科学与工程学院广西桂林541006 广西壮族自治区林业科学研究院广西南宁530002

土壤有机质(SOM)含量是衡量土壤肥力的重要指标之一,从高光谱遥感图像中有效预测SOM含量具有重要意义。传统的机器学习方法需要复杂的特征工程且精度不高,而以卷积神经网络(CNN)为代表的深度学习方法在土壤高光谱领域研究较少,且对小样... 详细信息

土壤有机质(SOM)含量是衡量土壤肥力的重要指标之一,从高光谱遥感图像中有效预测SOM含量具有重要意义。传统的机器学习方法需要复杂的特征工程且精度不高,而以卷积神经网络(CNN)为代表的深度学习方法在土壤高光谱领域研究较少,且对小样本数据建模精度较差,光谱数据的空间特征提取不足。因此,提出了一种使用通道注意力机制的一维空洞卷积网络模型(SE-DCNN)。以广西国有黄冕林场和国有雅长林场采集的207个土壤样本为研究对象,对比分析了3种机器学习方法和4种深度学习方法在不同光谱预处理下的建模效果。结果表明,SE-DCNN模型因为使用了空洞卷积和通道注意力机制,扩大感受野并提取多尺度特征,有较好的建模精确度和泛化拟合能力。最佳预测模型是基于S-G降噪(SGD)和一阶微分(DR)的光谱预处理方式建立的SE-DCNN模型,验证集的决定系数(R^(2))为0.971,均方根误差(RMSE)为2.042 g·kg^(-1),相对分析误差(RPD)为5.273。因此,使用SE-DCNN能够对广西林地红壤有机质含量进行准确预测。

关键词：土壤高光谱有机质通道注意力机制空洞卷积神经网络