检索结果-南通市图书馆

检索条件"主题词=长期短期记忆网络"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

Automatic Speech Recognition

Automatic Speech Recognition

引用

作者： Muhib Ullah 华南理工大学

学位级别：硕士

自动语音识别(ASR)系统的目的是将连续的声音信号转录到文本上,并从声音流中提取语言信息。当前的ASR系统熟练地以10%至5.7%的单词错误率(WER)记录连续语音。在过去的二十年中,这些系统中的大多数都使用了隐马尔可夫模型(HMM)和高斯混... 详细信息

自动语音识别(ASR)系统的目的是将连续的声音信号转录到文本上,并从声音流中提取语言信息。当前的ASR系统熟练地以10%至5.7%的单词错误率(WER)记录连续语音。在过去的二十年中,这些系统中的大多数都使用了隐马尔可夫模型(HMM)和高斯混合模型(GMM)来对与单词相对应的语音单位进行建模。HMM对语音的时间可变性进行建模,而GMM在每个HMM状态下计算声音输入的参数。HMM为建模时变频谱矢量序列提供了有效的方法。最近,深度神经网络(DNN)用于确定给定声音输入的每种HMM状态的拟合度。语音语音的声学系数的处理可以分为两种预处理域:(a)基于频谱的参数(b)动态时间序列。基于频谱的参数主要用于预处理域。梅尔频率倒谱系数(MFCC)是识别任务中常用的基于频谱的方法。尽管可以使用递归神经网络(RNN)或受限的Boltzmann机器(RBM)转录原始语音,但我们选择频谱图(MFCC)作为语音的预处理方案,但是由于计算成本高,性能可能会变差。循环连接已应用于前馈网络的某些隐藏层,从而允许模型捕获时间依赖性。选择了小批量梯度下降(MGD)方法,并采用了时间反向传播(BPTT)算法,以使RNN在训练声学模型方面更加有效。最后,我们通过提供高级版本的RNN来解决基本RNN问题的消失梯度和爆炸梯度。RNN体系结构的门控单元–长期内存(LSTM)。这项工作的主要贡献包括:介绍了针对大词汇量连续语音的语音识别系统的详细研究,该系统将上下文相关电话的声学模型(AM)与语音词典和语言模型(LM)相结合。另外,为了使识别过程更快,我们探索了可移动令牌的多遍技术。波束搜索方法用于通过缩小搜索空间来提高计算效率。这项工作的第二个贡献是;我们表明,与其增加RNN网络每一层中的单元数量,不如引入RNN的高级版本–长短期存储单元,可以提供更好的性能。此外,基于LSTM的递归网络有效地利用模型参数来记住长期序列。LSTM在长期上下文依赖性方面显示出优于标准RNN的优势,这被认为是不可能的。

关键词：自动语音识别隐马尔可夫模型声学模型递归神经网络梅尔频率倒谱系数长期短期记忆网络通过时间反向传播

来源：

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

基于深度学习的运动想象脑电信号分类算法研究

基于深度学习的运动想象脑电信号分类算法研究

引用

作者：佟歌哈尔滨工程大学

学位级别：硕士

脑机接口(Brain Computer Interface,BCI)技术是一种不依赖除大脑以外的肌肉和神经,在大脑与计算机或其它电子设备之间建立直接交流的人机交互技术。该技术的应用前景广阔,包括帮助残障人士进行康复治疗,加速人类对大脑的探索,快速进行... 详细信息

脑机接口(Brain Computer Interface,BCI)技术是一种不依赖除大脑以外的肌肉和神经,在大脑与计算机或其它电子设备之间建立直接交流的人机交互技术。该技术的应用前景广阔,包括帮助残障人士进行康复治疗,加速人类对大脑的探索,快速进行目标检测等不同应用方向,是一项值得深入研究的课题。根据脑电信号(Electroencephalogram,EEG)产生方式的不同BCI系统有着不同的分类,本文研究的是自发式BCI中的运动想象(Motor Imaginary,MI)系统,即受试者在内心反复想象肢体运动但实际保持静止,采集该过程中大脑皮层产生的脑电信号,分析其携带特征从而对不同想象任务进行分类。目前,以运动想象EEG信号作为待分类信号的BCI系统大多按照手动选择特征明显的导电极通道(C3,C4区域附近通道)进行预处理,在选取的通道上寻找适合的特征提取算法,根据提取的特征在多种不同的分类算法中选择效果最佳分类器的步骤进行BCI系统的设计。该方式在单名受试者EEG信号的二分类问题上准确率普遍集中在72%-85%之间,但是存在选择通道凭经验、特征提取不完全、不同受试者差异大等多种问题。针对这些问题本文选择可以从数据中自动学习特征并进行分类的深度学习算法进行研究,实验只需设计一个分类器且无需手动选择通道,简化了BCI系统的设计流程。本文的工作主要分为三部分。第一部分深入系统的了解了运动想象脑电信号产生的机制和特性,并由此设计EEG信号的采集实验。对采集到的EEG信号进行简单的时域分析、频域分析、及时频分析。剔除异常样本后采用小波重构的方式对运动想象EEG信号的特定频段进行提取;第二部分本文根据运动想象脑电信号的特点着重探讨了卷积神经网络(CNN)及长期短期记忆网络(LSTM)两种分类算法。本文在深入的分析了选择该算法的原因后,设计了多种不同的网络结构并分别在单人和多人上进行训练。通过对实验结果的分析选择最优的网络结构,并尝试分析该结构效果相较其他结构有优势的原因;第三部分采用了一种综合时域、频域及空域的脑电信号处理方法。该方法用于分析由脑电信号按时间顺序转化成的一系列功率谱图,将CNN算法与LSTM算法结合提取更全面的特征。实验发现该算法在单人和多人训练的分类准确率上都有很大的提升,具有更好的鲁棒性。该方法可作为通用的EEG信号处理方法,为脑电信号的分类提供了一种新颖的思路。

关键词：脑机接口小波重构深度学习卷积神经网络长期短期记忆网络

来源：

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：