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

统计中文口语理解执行策略的研究

计算机科学与探索 2017年第6期11卷 980-987页

作者：李艳玲颜永红内蒙古师范大学计算机与信息工程学院呼和浩特010022 中国科学院声学研究所语言声学与内容理解实验室北京100190

口语理解的语义框架包括两个决策——关键语义概念识别和意图识别,主要针对这两个决策的执行策略进行研究。首先研究了并联型和级联型两种策略;然后在此基础上提出了联合型结构进行中文口语理解,即通过三角链条件随机场对意图以及关键... 详细信息

口语理解的语义框架包括两个决策——关键语义概念识别和意图识别,主要针对这两个决策的执行策略进行研究。首先研究了并联型和级联型两种策略;然后在此基础上提出了联合型结构进行中文口语理解,即通过三角链条件随机场对意图以及关键语义概念共同建模,用一个单独的图模型结构共同表示它们的依赖关系。通过与其他几种策略进行比较实验得出结论:该模型可以将两个任务一次完成,在关键语义概念识别任务上性能优于其他的执行策略。

关键词：口语理解三角链条件随机场关键语义概念识别意图识别执行策略

在线全文

学校读者我要写书评

暂无评论

基于音色单元分布的音乐结构分析

声学学报 2010年第2期35卷 276-281页

作者：李相莲李明刘若伦颜永红山东大学威海分校威海264209 中国科学院声学研究所中科信利语音实验室北京100190

音乐的结构是音乐作品表达作者思想的一种重要形式,也是听众理解音乐作品内涵的有效途径。本文研究了基于音乐特征的音色单元建模方法,研究了在Fisher准则下,根据局部范围音色单元的分布,采用非监督聚类方法分析音乐的结构。实验结果证... 详细信息

音乐的结构是音乐作品表达作者思想的一种重要形式,也是听众理解音乐作品内涵的有效途径。本文研究了基于音乐特征的音色单元建模方法,研究了在Fisher准则下,根据局部范围音色单元的分布,采用非监督聚类方法分析音乐的结构。实验结果证明了基于离散余弦变换的音色特征,用音色单元分布聚类算法进行音乐结构分析的有效性。

关键词：音乐作品结构分析音色单元 Fisher准则离散余弦变换建模方法聚类方法

在线全文

学校读者我要写书评

暂无评论

语音识别中深度神经网络目标值优化

四川大学学报（工程科学版） 2016年第1期48卷 166-172页

作者：陈梦喆张晴晴潘接林颜永红中国科学院语言声学与内容理解重点实验室北京100190

训练深度神经网络声学模型时,所采用的强制对齐得到的目标值存在无法精准地表示出语音实际状况的问题。针对这一问题,提出一种利用前后向算法得到非0-1分布目标值的方法。由于用于强制对齐的模型可能与处理语句不完全匹配,以及发音连续... 详细信息

训练深度神经网络声学模型时,所采用的强制对齐得到的目标值存在无法精准地表示出语音实际状况的问题。针对这一问题,提出一种利用前后向算法得到非0-1分布目标值的方法。由于用于强制对齐的模型可能与处理语句不完全匹配,以及发音连续性导致的过渡边界难以分离等问题,强制对齐得到的目标值存在不合理性。新的目标值可以表示某一帧以一定概率属于邻近各状态的分布情况,更详细地描述建模单元之间的过渡,进一步还原语音的原貌,提升模型的鲁棒性。同时,为寻求模型鲁棒性和建模单元区分度之间的平衡,对算法得到的目标值进行加窗处理。在中文客服问答领域进行实验,在小数据量上验证了目标值对于训练的较大影响,并且选取窗长宽度这一参数。最后将训练数据量提升至60、80以及100 h,结果显示,新的目标值优化方法训练得到的模型在识别性能上获得提升,相对字错误率下降为1.10%~3.65%。多组实验验证新的目标值优化方法对模型训练有一定效果,在训练数据量上升的情况下依然具有有效性。

关键词：语音识别深度神经网络前后向算法目标值优化

腭裂语音中齿龈塞音的声门代偿现象声学分析与判定

在线全文

学校读者我要写书评

暂无评论

声学学报 2015年第2期40卷 285-293页

作者：肖彦冯勇强赵庆卫马莲钱靖颜永红北京交通大学信息科学研究所北京100044 中国科学院声学研究所语言声学与内容理解重点实验室北京100190 北京大学口腔医院北京100081

对齿龈塞音在腭裂语音中的声门塞音代偿现象进行了声学分析,计算频谱分布的多阶统计量—谱矩,并将代偿塞音和正常塞音进行对比。结果显示声门塞音爆破段的第一阶谱矩即频谱质心的频率位置比正常塞音低,因为声门塞音的阻塞部位在声门,导... 详细信息

对齿龈塞音在腭裂语音中的声门塞音代偿现象进行了声学分析,计算频谱分布的多阶统计量—谱矩,并将代偿塞音和正常塞音进行对比。结果显示声门塞音爆破段的第一阶谱矩即频谱质心的频率位置比正常塞音低,因为声门塞音的阻塞部位在声门,导致声道腔体偏长从而共振频率偏低。还观察到声门塞音的第二阶谱矩即标准偏差偏高,说明其谱能量分布比正常塞音更加分散。声门塞音的第三阶谱矩即偏度大多为正值,反映了声门塞音功率谱的非对称性且大头朝向低频区而长尾朝向高频区。采用逻辑回归模型进行样本分类,通过交叉验证选出最优的四阶谱矩作为模型自变量,分类正确率为89.7%。结合塞音爆破时刻自动检测,实现了音节/di/的声门塞音客观判定。

关键词：腭裂语音声学分析分类正确率能量分布逻辑回归偏度模型选择功率谱非对称代偿性发音

韵律特征在概率线性判别分析说话人确认中的应用

在线全文

学校读者我要写书评

暂无评论

声学学报 2015年第1期40卷 28-33页

作者：梁春燕杨琳周若华颜永红山东理工大学计算机科学与技术学院淄博255049 中国科学院声学研究所中国科学院语言声学与内容理解重点实验室北京100190

研究韵律特征在说话人确认中的应用。将整个韵律轨迹以固定段长和段移进行片段划分,并对其进行勒让德多项式拟合从而获取连续性的韵律特征,将特征映射到总变化因子空间,并用概率线性判别分析来补偿说话人和场景的差异。在美国国家标准... 详细信息

研究韵律特征在说话人确认中的应用。将整个韵律轨迹以固定段长和段移进行片段划分,并对其进行勒让德多项式拟合从而获取连续性的韵律特征,将特征映射到总变化因子空间,并用概率线性判别分析来补偿说话人和场景的差异。在美国国家标准技术研究院2010年说话人识别评测扩展核心测试集5的基础上加入噪声构造测试集,并分别对韵律特征和传统Mel频率倒谱系数进行测试。结果显示,随着信噪比的逐渐减小,Mel频率倒谱系数性能出现大幅度下降,而韵律特征性能相对比较稳定,两种特征融合后能使系统性能得到进一步提升,等错率和最小检测错误代价相对于Mel频率倒谱系数单系统最多能分别下降9%和11%。实验表明,韵律特征应用于说话人识别中具有较强的噪声鲁棒性,且与传统的Mel频率倒谱系数存在较强的互补性。

关键词：线性判别分析说话人确认韵律特征 Mel频率倒谱系数应用概率标准技术研究院说话人识别

在线全文

学校读者我要写书评

暂无评论

基于SVD的DNN裁剪方法和重训练

清华大学学报（自然科学版） 2016年第7期56卷 772-776页

作者：邢安昊张鹏远潘接林颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190

深层神经网络(DNN)的参数量巨大,限制了其在一些计算资源受限或是注重速度的应用场景中的应用。为了降低DNN参数量,有学者提出利用奇异值分解(SVD)对DNN进行裁剪,然而其方法缺乏自适应性,因为它会从所有隐层裁减掉同样数量的奇异值。该... 详细信息

深层神经网络(DNN)的参数量巨大,限制了其在一些计算资源受限或是注重速度的应用场景中的应用。为了降低DNN参数量,有学者提出利用奇异值分解(SVD)对DNN进行裁剪,然而其方法缺乏自适应性,因为它会从所有隐层裁减掉同样数量的奇异值。该文提出了一种基于奇异值比率裁剪因子(singular rate pruning factor,SRPF)的DNN裁剪方法。该方法以数据驱动的方式分别为DNN的各个隐层计算出SRPF,然后以不同的裁剪因子对各隐层进行裁剪,这充分利用了各隐层权值矩阵的奇异值分布特性。与固定数量裁剪法相比,该方法具有自适应性。实验表明:在同样裁剪力度下,该方法给DNN造成的性能损失更小。另外,该文还提出了一种适合裁剪后的DNN的重训练方法。

关键词：语音识别深层神经网络(DNN) 奇异值分解(SVD)

在线全文

学校读者我要写书评

暂无评论

应用于语种识别的加权音素对数似然比特征

清华大学学报（自然科学版） 2017年第10期57卷 1038-1041,1047页

作者：张健徐杰包秀国周若华颜永红中国科学院声学研究所北京100190 国家计算机网络应急技术处理协调中心北京100029

语种识别的关键问题之一是提取语音信号中的语种鉴别性信息。近期,音素对数似然比(phone log-likelihood ratio,PLLR)的新特征被引入语种识别领域,并表现出了优异的性能。该文利用F比方法分析了PLLR特征向量各维的语种鉴别性大小,提出... 详细信息

语种识别的关键问题之一是提取语音信号中的语种鉴别性信息。近期,音素对数似然比(phone log-likelihood ratio,PLLR)的新特征被引入语种识别领域,并表现出了优异的性能。该文利用F比方法分析了PLLR特征向量各维的语种鉴别性大小,提出了加权音素对数似然比(weighted PLLR,WPLLR)特征,赋予PLLR特征中含有较多语种鉴别性信息的分量较高的权重。在美国国家标准技术署(National Institute of Standards and Technology,NIST)2007年语种识别测试集上的实验结果表明:相比于原PLLR特征,该文所提出的WPLLR特征在平均检测代价和等错率2个指标上都显著降低。

关键词：语音信号处理语种识别语种鉴别性加权音素对数似然比(WPLLR) F比

在线全文

学校读者我要写书评

暂无评论

连接时序分类准则声学建模方法优化

声学学报 2018年第6期43卷 984-990页

作者：王智超张鹏远潘接林颜永红中国科学院语言声学与内容理解重点实验室北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

对基于连接时序分类准则（connectionist temporal classification，CTC）的端到端声学建模方法进行研究和优化。研究分析了不同声学特征、建模单元以及神经网络结构对CTC声学模型性能的影响，针对CTC模型中blank符号共享导致的建模缺... 详细信息

对基于连接时序分类准则（connectionist temporal classification，CTC）的端到端声学建模方法进行研究和优化。研究分析了不同声学特征、建模单元以及神经网络结构对CTC声学模型性能的影响，针对CTC模型中blank符号共享导致的建模缺陷提出了建模单元相关的非共享blank方法进行改进，并引入融合建模单元关联信息的模型初始化方法进一步提高CTC模型的性能。在300小时标准英文数据集Switchboard的实验结果显示，结合非共享blank、时延神经网络以及融合建模单元关联信息的初始化方法，CTC声学模型相对于基线系统在词错误率上取得绝对1．1％的下降，同时在训练速度上取得3．3倍的提高，实验结果证明本文针对端到端声学建模提出的优化方法是有效的。

关键词：建模方法声学特征分类准则优化时序连接初始化方法模型性能

在线全文

学校读者我要写书评

暂无评论

地方政府企业化背景下的城市夜景照明思考

现代城市研究 2021年第1期36卷 102-108页

作者：张文力严永红重庆大学建筑城规学院

为应对在经济全球化和国内体制改革大环境下加剧的城市间竞争,企业化管治模式正越来越多地被地方政府采用城市夜景对于拉动城市消费增长、树立和宣传城市形象有着极为明显的效果,已成为地方政府争相开发的“新蓝海”,而逐利驱使下的夜... 详细信息

为应对在经济全球化和国内体制改革大环境下加剧的城市间竞争,企业化管治模式正越来越多地被地方政府采用城市夜景对于拉动城市消费增长、树立和宣传城市形象有着极为明显的效果,已成为地方政府争相开发的“新蓝海”,而逐利驱使下的夜景照明呈现出明显的企业化特征.首先关注地方政府角色、行为模式的转变,阐述中国式的政府企业化现象,再探讨夜间经济与城市夜景间的关系,以夜景照明的同质化现象、媒体立面、户外广告牌、装饰性照明和彩色光、动态光的过度使用等为例概述城市夜景的企业化表现,最后总结分析夜景照明企业化带来的问题并给出相应的建议。

关键词：政府企业化夜间经济城市夜景照明设计现象研究