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

用于说话人识别的密集多分支时延神经网络

应用声学 2023年

作者：和椿皓常铁原潘立冬河北大学电子信息工程学院

时延神经网络是较早应用于说话人识别领域的一类神经网络。为实现更好的识别性能，近年来一些改进工作围绕加深或拓宽其网络结构进行。在对密集连接卷积网络以及多分支网络结构进行研究的基础上，提出一种密集多分支时延神经网络，用以... 详细信息

时延神经网络是较早应用于说话人识别领域的一类神经网络。为实现更好的识别性能，近年来一些改进工作围绕加深或拓宽其网络结构进行。在对密集连接卷积网络以及多分支网络结构进行研究的基础上，提出一种密集多分支时延神经网络，用以进一步提升小体积模型对说话人特征的提取能力。在使用密集连接实现特征重用的基础上，并行多分支结构能同时对同一输入在不同分辨率下进行特征提取。在VoxCeleb1测试集、VoxCeleb1-H、VoxCeleb1-E上进行测试表明，该网络能在模型参数量较小的前提下实现准确的说话人识别，以便应用在一些存储空间受限的本地说话人识别场景中。

关键词：说话人识别时延神经网络多分支神经网络密集连接深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于时延神经网络的风电场集总调压动态建模

电力系统及其自动化学报 2022年第10期34卷 104-111页

作者：李丹刘厦郭希海孙羽国家电网公司东北分部沈阳110180 新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司) 北京100192

风电场并网调压依赖于场内风电机组无功支撑能力,而机组分散运行及其工况差异使场级集总调压动态表征面临很大挑战,不利于场级调压特性监测及调压控制器的改进设计。针对这一问题,本文基于数据驱动时延神经网络算法提出一种风电场全工... 详细信息

风电场并网调压依赖于场内风电机组无功支撑能力,而机组分散运行及其工况差异使场级集总调压动态表征面临很大挑战,不利于场级调压特性监测及调压控制器的改进设计。针对这一问题,本文基于数据驱动时延神经网络算法提出一种风电场全工况下集总调压特性动态等值建模方法。首先,基于风电场集总调压原理及策略分析明确调压响应的输入和输出,根据多工况下调压实验数据,采用传递函数、子空间辨识的线性建模及间隙测度方法评估各工况下调压动态差异度。然后,根据场级调压动态超短时响应特点,提出基于时延神经网络的全工况集总动态等值建模方法。最后,根据东北某风电场调压运行数据进行仿真验证,仿真结果表明,所提方法可高精度逼近具有超短时采样周期的场级集总调压特性,有效提升风电场并网友好性。

关键词：风电场快速调压时延神经网络动态等值建模间隙测度参数辨识子空间辨识

在线全文

学校读者我要写书评

暂无评论

基于时延神经网络的多深度土壤含水率预测

农业工程学报 2017年第S1期33卷 132-136页

作者：冀荣华李鑫张舒蕾郑立华中国农业大学信息与电气工程学院北京100083

为精准预测大田土壤含水率,并掌握不同深度土壤含水率分布规律,针对大田土壤含水率时序数据的非线性特点及相邻深度土壤含水率间具有较强关联关系,该文建立3层时延神经网络大田多深度土壤含水率预测模型,用以实现对6个不同深度(10、20... 详细信息

为精准预测大田土壤含水率,并掌握不同深度土壤含水率分布规律,针对大田土壤含水率时序数据的非线性特点及相邻深度土壤含水率间具有较强关联关系,该文建立3层时延神经网络大田多深度土壤含水率预测模型,用以实现对6个不同深度(10、20、30、40、50和70 cm)土壤含水率预测。利用试验法确定预测模型的隐含层节点个数、训练学习算法和训练集样本量。试验结果表明:隐含层使用10个节点,采用L-M(Levenberg-Marquardt)训练算法,采用45%样本集数据作为训练样本,55%作为测试样本集,对所建预测模型进行预测,10和20 cm的预测相对误差小于7%,而30、40、50和70 cm的预测相对误差小于4.5%。因此利用基于时延神经网络的多深度土壤含水率预测模型,可为掌握土壤含水率分布动态变化规律提出一种解决方案。

关键词：土壤含水率预测测量多深度时延神经网络训练验证

时延神经网络对宝兴树蛙异质种群鸣叫的聚类分析

在线全文

学校读者我要写书评

暂无评论

应用与环境生物学报 2006年第5期12卷 669-673页

作者：徐俊晓金义文谢锋江建平郑中华中国科学院成都生物研究所成都610041

对瓦屋山宝兴树蛙3个不同海拔分布(A:山下;B:山腰;C:山上)的异质种群鸣叫的时频参数进行分析,发现三地鸣叫各参数互相重叠,无明显界线.常规统计分析不能使三地的鸣叫聚类为各自的组.使用时延神经网络对三地宝兴树蛙鸣叫的时频参数进行... 详细信息

对瓦屋山宝兴树蛙3个不同海拔分布(A:山下;B:山腰;C:山上)的异质种群鸣叫的时频参数进行分析,发现三地鸣叫各参数互相重叠,无明显界线.常规统计分析不能使三地的鸣叫聚类为各自的组.使用时延神经网络对三地宝兴树蛙鸣叫的时频参数进行有指导聚类,发现三种群鸣叫有地区性差异,并表现出由个体交流引起的山腰种群群体特征的不显著.推测差异可能是因为长期地理隔离所导致.基于神经网络的分析结果,对各种群间的个体交流情况进行了初步估计.

关键词：时延神经网络宝兴树蛙异质种群鸣叫聚类

在线全文

学校读者我要写书评

暂无评论

时延神经网络的一种快速算法

计算机仿真 2009年第12期26卷 133-135,140页

作者：于新肖怀铁范红旗国防科技大学电子科学与工程学院湖南长沙410073

神经网络是人工智能应用研究的重要领域,具有较强的容错性,出色的自适应能力和非线性映射能力。时延神经网络(TDNN)因为时间延迟单元的加入,使网络增加了记忆功能,更加适合处理序列信息,具有较大的应用价值。但延时单元的加入导致算法... 详细信息

神经网络是人工智能应用研究的重要领域,具有较强的容错性,出色的自适应能力和非线性映射能力。时延神经网络(TDNN)因为时间延迟单元的加入,使网络增加了记忆功能,更加适合处理序列信息,具有较大的应用价值。但延时单元的加入导致算法分类过程中运算量过大,针对上述问题,提出了一种适合于硬件实现的快速算法。采用序贯处理流程,通过适当的结构分解并存储中间变量,从而最大限度的减少了实现过程中的重复计算,有效地降低了运算量。仿真结果表明,在一定的维数范围内,与批处理实现方法相比,所提出的快速算法在运算量和存储量上都具有一定的优势。

关键词：模式识别时延神经网络快速算法

基于时延神经网络的语音识别算法及其在轨道交通领域的应用研究

在线全文

学校读者我要写书评

暂无评论

控制与信息技术 2022年第4期 11-16页

作者：刘悦林军罗潇褚伟刘任中车株洲电力机车研究所有限公司湖南株洲412001

语音识别是智能语音交互系统的关键环节,该项技术近年来在汽车电子、消费电子、医疗等领域的应用得到了飞速发展。文章分析了语音技术在车载领域的发展现状,介绍了语音识别技术的发展历程,重点阐述了轨道交通领域对语音识别技术的需求... 详细信息

语音识别是智能语音交互系统的关键环节,该项技术近年来在汽车电子、消费电子、医疗等领域的应用得到了飞速发展。文章分析了语音技术在车载领域的发展现状,介绍了语音识别技术的发展历程,重点阐述了轨道交通领域对语音识别技术的需求及应用;针对轨道交通不同车型的显示交互内容多变、需定制开发的问题,开展了基于时延神经网络语音识别技术研究,开发基于智能计算平台的列车显示器语音识别系统。该系统能够根据不同显示器平台的交互需求及智能硬件平台的处理性能灵活构建模型,同时在通用模型的基础上优化交互关键词,以提高识别率。最后,在智轨电车不同运行场景及环境噪声下进行了语音识别系统的性能及功能测试,结果显示,语音识别率达到85%以上。该技术的应用不仅为司机带来便捷的交互体验,也为智能语音技术在轨道交通其他车辆上的应用奠定基础。

关键词：语音交互语音识别深度学习时延神经网络轨道交通

基于神经网络的盾构液压推进系统的参数辨识（英文）

在线全文

学校读者我要写书评

暂无评论

机床与液压 2019年第24期47卷 24-32页

作者：孙振川张兵李阁强丁银亭盾构及掘进技术国家重点实验室郑州450001 河南科技大学机电工程学院河南洛阳471003 机械装备先进制造河南省协同创新中心河南洛阳471003

为了提高盾构液压推进系统速度控制的精度,减小建立数学模型与实际系统之间的偏差,提出基于时延神经网络和系统参数上下界值的动态系统参数辨识方法。在建立盾构液压推进系统速度控制模型的基础上,利用神经网络在待辨识参数的范围内对... 详细信息

为了提高盾构液压推进系统速度控制的精度,减小建立数学模型与实际系统之间的偏差,提出基于时延神经网络和系统参数上下界值的动态系统参数辨识方法。在建立盾构液压推进系统速度控制模型的基础上,利用神经网络在待辨识参数的范围内对系统的不定参数进行辨识,搜索出更逼近实际盾构推进系统的一组参数,满足对系统输入实际信号时能够准确地得到实际系统的输出。利用盾构模拟实验台的另一组采样数据对系统辨识结果进行验证,结果表明:该辨识方法得到的模型能够逼近真实的物理系统。

关键词：盾构推进系统时延神经网络参数辨识

基于改进时延神经网络的带噪声纹识别算法研究

在线全文

学校读者我要写书评

暂无评论

基于改进时延神经网络的带噪声纹识别算法研究

作者：罗娅娅贵州师范大学

学位级别：硕士

目前深度神经网络被越来越多的研究人员用于声纹识别技术中,尤其是时延神经网络（TDNN）,时延神经网络应用于声纹识别时随着网络深度的增加会存在一定的局限性影响识别效果。本文针对时延神经网络存在的不足进行了改进,提出了一种改进... 详细信息

目前深度神经网络被越来越多的研究人员用于声纹识别技术中,尤其是时延神经网络（TDNN）,时延神经网络应用于声纹识别时随着网络深度的增加会存在一定的局限性影响识别效果。本文针对时延神经网络存在的不足进行了改进,提出了一种改进时延神经网络的带噪声纹识别算法。首先,由于TDNN网络深度增加的同时,精度会逐渐达到饱和从而使网络性能迅速退化,但此现象并非由过拟合引起,而是因为随着训练层数的增加,误差也随之增大,训练时产生的误差致使网络退化现象的发生,使网络训练效果不佳。本文利用残差神经网络的输入层能对输出层进行不断修正以减少信息损失的特点,提出了一种基于残差神经网络的声纹识别算法,即在时延神经网络中直接引入残差短路连接,利用残差能减少损失的特点缓解时延神经网络退化现象以及提高系统的鲁棒性。在时延神经网络结构中直接引入残差神经网络并设计了三组实验方案,找到了残差短路连接的最佳方案,结果表明,在TDNN1层和TDNN4层引入二层残差神经网络的效果最好,可以把残差神经网络输入层能对输出层进行不断学习修正的特点发挥得更好,在提高精度的同时更加保证了信息的完整性,提高了系统整体的声纹识别率。其次,随着时延神经网络中隐藏层数目的增加,容易出现梯度消失或梯度爆炸的现象,致使神经网络无法收敛。而梯度消失或梯度爆炸现象的发生直接影响了该算法在噪声环境下的声纹识别率。本文从解决此问题的角度出发,采用批量归一化处理使每一层的平均值和方差限制在一定范围内来减少移位协方差,从而提高了网络泛化能力。提出了一种基于批量归一化的声纹识别算法（BN-TDNN）,在时延神经网络除输出层外的每一层都加入批量归一化处理。实验结果显示,与基线系统数据相比,基于BN-TDNN网络结构的系统的声纹识别率得到一定的提升。最后将以上两种算法结合在一起设计了一种带噪声环境下改进时延神经网络的声纹识别算法,即在时延神经网络中直接引入残差神经网络和批量归一化处理,并对改进的时延神经网络（ResTDNN）带噪声纹识别系统进行了实验和分析。通过在Aishell-1数据集上的实验结果表明,与TDNN算法相比,ResTDNN算法在无噪声环境下及带噪声环境下的等错误率（EER）分别相对降低30.4%和35.8%。实验结果证实,无论是在无噪声环境还是带噪声环境下,ResTDNN算法的系统性能均比残差或批量归一化单独用于时延神经网络系统的性能更有效,声纹识别率也均高于TDNN算法,从而验证了ResTDNN网络用于声纹识别的有效性。

关键词：声纹识别噪声时延神经网络残差神经网络批量归一化 ResTDNN

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

基于改进时延神经网络的合成语音检测

电声技术 2023年第9期47卷 118-120页

作者：王志翼张红兵中国刑事警察学院公安信息技术与情报学院辽宁沈阳110035

在可变内核机制的时延神经网络基础上,提出一种带有全局多尺度注意力机制的神经网络结构和基于Fbank和翻转梅尔频率倒谱系数(Inversed Mel-Frequency Cepstral Coefficients,IMFCC)的融合特征。在ASVspoof 2019 LA数据集上,采用等错误... 详细信息

在可变内核机制的时延神经网络基础上,提出一种带有全局多尺度注意力机制的神经网络结构和基于Fbank和翻转梅尔频率倒谱系数(Inversed Mel-Frequency Cepstral Coefficients,IMFCC)的融合特征。在ASVspoof 2019 LA数据集上,采用等错误率和测试集准确率作为评价指标。实验结果表明,使用提出的含全局多尺度注意力机制的神经网络结构,在相同声学特征的情况下,识别准确率比ECAPA-TDNN和SKA-TDNN分别提高5.1%和4.3%。

关键词：时延神经网络合成语音特征融合