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

基于降噪自动编码器的语种特征补偿方法

计算机研究与发展 2019年第5期56卷 1082-1091页

作者：苗晓晓徐及王剑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 中国科学院大学北京100190

在语种识别中,当训练语音与测试语音长度失配时,系统的识别性能会出现严重下降.基于降噪自动编码器(denoising auto-encoder, DAE)的方法对不同长度测试语音的语种特征进行补偿,把不同长度的语音特征都映射为固定长度的语音特征,一定程... 详细信息

在语种识别中,当训练语音与测试语音长度失配时,系统的识别性能会出现严重下降.基于降噪自动编码器(denoising auto-encoder, DAE)的方法对不同长度测试语音的语种特征进行补偿,把不同长度的语音特征都映射为固定长度的语音特征,一定程度上解决了长度失配和音素分配不平衡的问题.具体分为4个环节:1)语音信号经过分帧、变换得到底层声学特征;2)提取语音信号的原始i-vector,同时计算其音素向量;3)对原始i-vector和音素向量进行拼接,送入基于DAE的语种特征补偿处理单元得到补偿后的i-vector;4)将补偿后的i-vector和原始i-vector分别送入后端分类器得到2个分数向量,并将其在得分域融合后进行判决.在NIST-LRE07上的实验结果表明:所提出的语种特征补偿算法在各种测试语音时长上的识别性能均有提升.相比传统的语种识别系统,测试语音时长为30 s时性能相对提升3.16%,测试语音时长为10 s时性能相对提升2.90%.相比端到端语种识别系统,测试语音时长为3 s时性能相对提升3.21%.

关键词：语种识别 i-vector 音素向量特征补偿降噪自动编码器

基于降噪自动编码器特征学习的音乐自动标注算法

在线全文

学校读者我要写书评

暂无评论

华东理工大学学报（自然科学版） 2017年第2期43卷 241-247页

作者：黎鹏陈宁华东理工大学信息科学与工程学院上海200237

目前,音乐自动标注模型大多采用手动设计模式,因而存在最佳特征难以选择的问题。提出了一种基于非监督学习的特征学习算法,该算法能自动学习特征的潜在结构而不需要依赖先验知识。首先,预处理阶段主要提取音乐的音级轮廓频率谱并进行PC... 详细信息

目前,音乐自动标注模型大多采用手动设计模式,因而存在最佳特征难以选择的问题。提出了一种基于非监督学习的特征学习算法,该算法能自动学习特征的潜在结构而不需要依赖先验知识。首先,预处理阶段主要提取音乐的音级轮廓频率谱并进行PCA白化降维处理;然后,采用深度学习中的降噪自动编码器算法对降维后的特征进行无监督的学习,并采用最大值池化和取均值来聚合得到新的特征向量;最后,将特征向量和标签送入多层感知机中进行有监督的学习。基于Magnatagatune和GTZAN数据库的实验结果表明,本文算法在一定程度上提高了音乐自动标注的准确率。

关键词：深度学习音乐自动标注降噪自动编码器多层感知机

在线全文

学校读者我要写书评

暂无评论

基于降噪自动编码器的多任务优化算法

大连理工大学学报 2019年第4期59卷 417-426页

作者：尚青霞周磊冯亮重庆大学计算机学院

人类通常可同时进行多个任务的学习,将从一个任务中获得的知识应用到另一个任务中以加速此任务的学习.受此学习行为的启发,多任务学习(MTL)被提出并被广泛研究.与MTL动机类似,多任务优化(MTO)是在传统基于单任务优化算法基础上被提出的... 详细信息

人类通常可同时进行多个任务的学习,将从一个任务中获得的知识应用到另一个任务中以加速此任务的学习.受此学习行为的启发,多任务学习(MTL)被提出并被广泛研究.与MTL动机类似,多任务优化(MTO)是在传统基于单任务优化算法基础上被提出的一种新型优化算法,该算法旨在同时在线执行多个任务,从一个任务中获取知识以帮助另一个任务,并进行任务间知识迁移,以提高多任务的优化性能.基于降噪自动编码器提出了一种新型MTO算法,推演出一种具有闭式解的降噪自动编码器,并利用此编码器显式地对多任务构建任务映射,从而使所提MTO算法能够利用不同的基于单任务优化算法的搜索偏好.采用常用的MTO基准进行综合性实验,验证了所提算法的有效性.

关键词：多任务优化(MTO) 多任务学习(MTL) 降噪自动编码器单任务优化基于种群的搜索算法

在线全文

学校读者我要写书评

暂无评论

基于降噪自动编码器的协同过滤推荐算法

吉林建筑大学学报 2023年第2期40卷 84-88页

作者：刘昊郭秀娟吉林建筑大学电气与计算机学院长春130118

协同过滤是推荐算法中运用最广也是最成功的技术之一,但是传统协同过滤的缺点也很明显.近年来基于深度学习神经网络的协同过滤技术备受关注,例如本文基于自动编码器的协同过滤推荐系统.自动编码器的训练过程较之于其他网络更短,精度也... 详细信息

协同过滤是推荐算法中运用最广也是最成功的技术之一,但是传统协同过滤的缺点也很明显.近年来基于深度学习神经网络的协同过滤技术备受关注,例如本文基于自动编码器的协同过滤推荐系统.自动编码器的训练过程较之于其他网络更短,精度也更为优秀,但是由于结构简单,更容易陷入局部最小导致过拟合.基于此,本文提出了降噪的自动编码器,最后在MovieLens 1M和MovieLens 10M数据集上进行验证.结果表明,降噪自动编码器具有更好的泛化能力.

关键词：协同过滤深度学习降噪自动编码器推荐算法

基于降噪自动编码器及其改进模型的微博情感分析

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2017年第2期34卷 373-377页

作者：李阳辉谢明易阳南京工业大学电气工程与控制科学学院南京211816

随着自然语言处理科学的迅猛发展,情感分析作为其重要的一个分支广泛应用于社交网络平台上,尤其是微博由于其传播广泛且蕴涵丰富的情感信息而备受学者青睐。为解析微博中表达的情感信息以及深入挖掘其蕴涵的潜在感情,在降噪自动编码器... 详细信息

随着自然语言处理科学的迅猛发展,情感分析作为其重要的一个分支广泛应用于社交网络平台上,尤其是微博由于其传播广泛且蕴涵丰富的情感信息而备受学者青睐。为解析微博中表达的情感信息以及深入挖掘其蕴涵的潜在感情,在降噪自动编码器的深度模型之上研究探索改进了这个深度学习模型。降噪自动编码器的工作特点是在引入噪声的干扰之下实现对原始输入的还原,而其改进模型的优势在于考虑到了噪声的多样性和复杂性,并通过深度学习训练加强模型的原始特征复原能力,以此来克服不可预判的原始输入噪声。通过分别使用SVM、降噪自动编码器模型以及改进的模型进行情感分析实验,对比分类效果而得出改进的深度模型对微博文字情感把握更准确而且抗干扰能力及鲁棒性有所提升的结论。

关键词：降噪自动编码器微博情感分析深度学习

在线全文

学校读者我要写书评

暂无评论

基于降噪自动编码器的不平衡情感分类研究

科学技术与工程 2014年第12期22卷 232-235页

作者：秦胜君卢志平广西科技大学管理学院柳州545006

目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题。而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据。针对上述问题,... 详细信息

目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题。而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据。针对上述问题,对无监督的不平衡网络评论情感分类进行研究。首先通过改进降噪自动编码器,提高少数类的特征值,避免分类样本向多数类偏移。然后将获取的特征值作为k-means算法的输入值,实现了无监督的样本分类。实验证明,该算法对不平衡率较高的样本具有良好的适应性,从而验证了算法的有效性。

关键词：情感分类深度学习降噪自动编码器不平衡数据

在线全文

学校读者我要写书评

暂无评论

基于栈式降噪自动编码器的气体识别

计算机工程与设计 2017年第3期38卷 814-818,836页

作者：于万钧安改换鹿文静甘超刘全上海应用技术学院计算机科学与信息工程学院上海201418 苏州大学计算机学院江苏苏州215021

为克服手工设计特征的繁杂过程以及特征不通用性,提高气体识别准确率,提出一种基于深度学习的气体定性识别方法,自动提取自适应的气体数据特征。实验基于UCI机器学习气体数据集,分别对比基于2层深度神经网络结构-栈式降噪自动编码器以... 详细信息

为克服手工设计特征的繁杂过程以及特征不通用性,提高气体识别准确率,提出一种基于深度学习的气体定性识别方法,自动提取自适应的气体数据特征。实验基于UCI机器学习气体数据集,分别对比基于2层深度神经网络结构-栈式降噪自动编码器以及浅层机器学习算法的气体定性识别效果。实验结果表明,基于深度学习算法自动提取特征的过程更简单、通用,提高了气体识别的准确率,改善了传统方法的复杂流程。

关键词：气体识别时间序列信号高维深度学习降噪自动编码器

基于随机森林和降噪自动编码器的僵尸网络检测模型研究

在线全文

学校读者我要写书评

暂无评论

基于随机森林和降噪自动编码器的僵尸网络检测模型研究

作者：肖琦中国计量大学

学位级别：硕士

僵尸网络已经成为网络安全领域非常严重的威胁,它被证明有能力感染数十亿计算机并驱使它们进行非法活动,给社会带来了巨大的经济损失。对僵尸网络的有效检测有望缓解这一现象,且有助于扼制网络犯罪的发生。本文对基于随机森林和降噪自... 详细信息

僵尸网络已经成为网络安全领域非常严重的威胁,它被证明有能力感染数十亿计算机并驱使它们进行非法活动,给社会带来了巨大的经济损失。对僵尸网络的有效检测有望缓解这一现象,且有助于扼制网络犯罪的发生。本文对基于随机森林和降噪自动编码器的僵尸网络检测模型进行了大量研究,主要从模型分类器和自动特征工程两方面开展工作。目前,由于网络流量数据庞大,出现了很多基于机器学习的僵尸网络检测方法。但大多数方法都只包含单学习器,导致模型鲁棒性不高。同时,相关模型在构建过程中严重依赖手工特征工程。导致的后果是,需要相关人员具备大量的专业知识、构建模型周期长,并且对僵尸网络检测效果不理想。针对上述问题,本文做出了以下工作:1)提出了基于随机森林的僵尸网络检测模型。在模型的分类器部分选用了基于集成学习的随机森林方法,其中包含有大量的基学习器。在模型训练过程中,每个基学习器都会学习到不同的参数,从多角度描述原始数据,有效缓解了单学习器模型带来的检测结果不稳定,并提升了僵尸网络检测的效果。2)提出了基于降噪自动编码器的僵尸网络检测模型。利用降噪自动编码器对原始数据进行自动特征提取,节约了手工特征工程的人力资源,降低了僵尸网络检测模型的构建成本。通过降噪自动编码器提取出的高级抽象特征,有助于提升基分类器对僵尸网络检测的效果。

关键词：僵尸网络检测随机森林降噪自动编码器

基于收视上下文模型和降噪自动编码器的节目推荐算法的设计与实现

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

基于收视上下文模型和降噪自动编码器的节目推荐算法的设计与实现

作者：田昭铭北京邮电大学

学位级别：硕士

与传统电视相比,智能电视用户行为收视数据的大小呈现出了爆炸式的增长,如何从大量的收视数据中挖掘出用户对于节目的偏好也成为了人们关注的焦点,因此个性化电视节目推荐系统应运而生。本文建立了融合时间效应的收视上下文模型,通过收... 详细信息

与传统电视相比,智能电视用户行为收视数据的大小呈现出了爆炸式的增长,如何从大量的收视数据中挖掘出用户对于节目的偏好也成为了人们关注的焦点,因此个性化电视节目推荐系统应运而生。本文建立了融合时间效应的收视上下文模型,通过收视上下文模型实现评分矩阵的稠密化处理和隐式偏好的挖掘,利用降噪自动编码器技术对于收视特征向量进行空值处理和隐含特征兴趣提取,最后提出了基于收视上下文模型和降噪自动编码器技术,并且兼顾考虑明星效应因素的协同过滤节目推荐算法。本课题的主要研究内容如下:1、提出了基于收视上下文模型的用户偏好度计算方法。智能电视用户对于节目的显式评分矩阵极为稀疏,不能很好的反映出用户对于节目的喜好程度。本文基于智能电视用户的收视上下文信息,从常规维度和时间相关维度来充分挖掘用户对于节目的隐式反馈,通过与用户的显式反馈相结合来获得融合时间效应的用户-节目偏好度,可以将其看作一个较为稠密的用户-节目评分矩阵。2、提出了改进的基于降噪自动编码器的节目推荐算法。首先,用户-节目评分矩阵中仍然包含着一些“NULL”值,因此不能直接将该矩阵输入到现有的降噪自动编码器模型中。本文在降噪自动编码器的编码和解码过程中分别加入一个平衡矩阵,通过此方法将稀疏的、有空值的用户评分向量转变成立一个更有效、更为稠密的隐含层特征向量。然后,考虑到用户的观看行为也会受到明星效应的影响,本文提出了基于明星效应的用户相似度,通过在协同过滤算法中与基于用户特征向量的用户相似度进行融合得到最终的用户相似度,生成了 Top-N节目推荐列表。实验结果表明了本文算法在保证推荐结果的准确率的前提下,同时提高了挖掘冷门节目的能力,验证了本文算法的有效性与优越性。

关键词：推荐系统收视上下文降噪自动编码器协同过滤