检索结果-南通市图书馆

Multigrid one-shot Method for PDE-Constrained Optimization Problems

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Applied Mathematics 2012年第10期3卷 1565-1571页

作者： Subhendu Bikash Hazra Group of Water Supply and Groundwater Protection Institute IWAR Department of Civil Engineering and Geodesy Technical University of Darmstadt Darmstadt Germany

This paper presents a numerical method for PDE-constrained optimization problems. These problems arise in many fields of science and engineering including those dealing with real applications. The physical problem is modeled by partial differential equations (PDEs) and involve optimization of some quantity. The PDEs are in most cases nonlinear and solved using numerical methods. Since such numerical solutions are being used routinely, the recent trend has been to develop numerical methods and algorithms so that the optimization problems can be solved numerically as well using the same PDE-solver. We present here one such numerical method which is based on simultaneous pseudo-time stepping. The efficiency of the method is increased with the help of a multigrid strategy. Application example is included for an aerodynamic shape optimization problem.

关键词： Shape Optimization Simultaneous Pseudo-Time Stepping Multigrid Methods Preconditioner Reduced SQP Methods Reduced Hessian one-shot Method Airfoil

A NOVEL one-shot DECORRELATOR IN CDMA SYSTEMS

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Journal of Electronics(China) 2002年第1期19卷 57-60页

作者： Du Zheng Zhu Jinkang (PCN&SS Lab, University of Science and Technology of China, Hefei 230027) PCN&SS Lab University of Science and Technology of China Hefei

A novel one-shot decorrelator for asynchronous CDMA systems is developed. Corn-pared with existing one-shot decorrelator, it can reduce complexity and has better performance while eliminating all MAI. This decorrelato... 详细信息

关键词： one-shot Decorrelator MAI DS-CDMA

基于双编码器的快速one-shot跨语种语音转换方法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于双编码器的快速one-shot跨语种语音转换方法

作者：徐玲俐南京邮电大学

学位级别：硕士

语音转换的任务是在保持源语音语义信息的同时改变说话人个性特征,使转换语音具有与源语音相同的语义信息且与目标语音相同的说话人个性特征。随着对语音转换研究的不断深入,众多代表性的非平行语音转换方法被提出,其中基于VAE模型、GA... 详细信息

语音转换的任务是在保持源语音语义信息的同时改变说话人个性特征,使转换语音具有与源语音相同的语义信息且与目标语音相同的说话人个性特征。随着对语音转换研究的不断深入,众多代表性的非平行语音转换方法被提出,其中基于VAE模型、GAN模型的方法成为了当前的主流,这些方法的转换语音在音质及相似度上取得了较好的结果。然而,目前的语音转换方法仍然存在三大问题,第一,主流方法主要是研究同语种间的语音转换,而跨语种语音转换问题由于研究难度较大,已有的研究成果较少,从而成为了语音转换中的研究难点;第二,为了实现较好的转换,多数模型需要大量的说话人语句进行训练,这一要求会增加应用过程中用户的操作复杂度,大大降低产品的用户友好度,因此one-shot问题被多次提出,成为了近年来语音转换中的研究热点;第三,增大模型网络的规模可以较好地提升模型的性能,但是一味通过加深模型网络大小及复杂度来提高转换结果的质量,会对设备性能产生极高的要求,不利于模型的工程化。为了在语音转换问题上实现突破,本文重点研究基于解纠缠和可解释性表征的思想,在变分自编码器的语音转换模型基础上,对模型的结构进行分析并针对上述存在的三大问题提出一系列改进。首先,为了突破语种的限制,实现跨语种语音转换,本文提出基于解纠缠和可解释性表征的双编码器语音转换方法,利用变分自编码器能够编码输入信息生成潜在变量的能力,将模型设置为两个编码器的组合,两个编码器分别对输入信息进行不同功能的编码,实现对输入信息的解纠缠。根据不同编码器的作用,对输入的声学特征进行表征,即将不同语种的待转换语句分别输入到内容编码器和说话人编码器中进行编码,分别获得内容表征以及说话人表征,然后将获得的表征信息输入到解码器进行解码,生成转换后的合成语音,从而使模型可以突破语种限制,实现跨语种语音转换。由于设置了双编码器分别对内容信息和说话人信息进行编码,模型中的说话人编码器可以动态编码说话人信息,通过解耦思想表征说话人信息,以摆脱训练阶段需要说话人标签辅助的约束,从而实现one-shot语音转换,即转换阶段的源、目标说话人可以仅提供少量语句参与训练甚至完全不参与训练,这可以提升模型在应用时对用户的友好度。经实验客观评价分析可知,本文的说话人编码器可以较好地表征说话人信息,经实验主观评价表明,本文提出的one-shot跨语种语音转换方法转换语音的平均MOS值和平均ABX值分别为3.52和82.50%,说明本文提出的双编码器模型性能良好,可以有效地实现one-shot跨语种语音转换。进一步,为了降低模型对设备性能的要求,本文基于深度可分离卷积提出了快速的one-shot跨语种语音转换方法,使用深度可分离卷积优化模型中的部分常规卷积,以达到减少模型参数量、提升模型运行效率的效果。经实验证明,在模型的网络结构中引入深度可分离卷积,其训练时间总体上加快了26.13%,参数量总体上减少了27.97%,平均MOS值为3.51,平均ABX值为80.00%,即该方法在基本保持转换语音质量的同时,实现了减少模型参数量,降低模型训练时间的目标,为模型在多终端的应用提供了理论和仿真探索。

关键词：语音转换跨语种 one-shot 解纠缠和可解释性表征变分自编码器快速深度可分离卷积

融合U-Net架构的one-shot语音转换算法及损失函数研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合U-Net架构的One-shot语音转换算法及损失函数研究

作者：章强华中师范大学

学位级别：硕士

语音转换是一种将感知到的说话人身份从源说话人转换为特定目标说话人的语音处理技术。目前,语音转换技术在很多领域都展现出了广阔的应用前景,如个性化语音合成、影视配音、语音修复等。随着深度神经网络技术的发展,基于非平行的语音... 详细信息

语音转换是一种将感知到的说话人身份从源说话人转换为特定目标说话人的语音处理技术。目前,语音转换技术在很多领域都展现出了广阔的应用前景,如个性化语音合成、影视配音、语音修复等。随着深度神经网络技术的发展,基于非平行的语音转换研究愈加受到研究者们的关注,而其中的one-shot语音转换以其能够自适应任意说话人的语音信息,实现开集转换的特性,成为了近两年新的研究热点。目前,one-shot语音转换主流的方法是通过语音表示解纠缠的方法来实现任意说话人之间的转换。但相关工作中,由于在说话人信息和内容信息分离的过程中,忽略了信息之间的依赖性,使内容信息泄漏到说话人信息中,导致“信息泄露”问题,造成转换后语音音质低;同时从一个看不见的说话人的语音中提取说话人信息的稳定性不足,因此转换语音的说话人相似度也有待进一步提升。针对上述one-shot语音转换存在的问题,本文在现有的工作的基础上,提出了相关的改进算法,来缓解上述问题,从而改善转换性能。首先,为了改善转换后合成语音音质,缓解“信息泄露”问题,本文提出了融合U-Net架构和互信息的语音转换方法。在典型的语音转换模型AdaIN-VC中融入了 U-Net架构,并在训练过程中引入了互信息度量。一方面,是为了减少说话人信息和内容信息的依赖性,实现信息的适当分离,提高转换音质;另一方面,由于U-Net架构在频谱重构方面的优异性,也有助于进一步改善音质。实验表明,相较基准模型AdaIN-VC、VQVC+和AGAIN-VC,本文提出方法的转换语音在音质上有所提高。在客观评测中,平均MCD值分别降低了 3.82%、2.32%和1.10%,语谱图在纹理细节上也更接近目标说话人;而在主观评测中,平均MOS值分别提升了 6.18%、3.47%和1.38%。同时,由WER值表明,提出的方法对于缓解“信息泄露”问题是有作用的。其次,为进一步提升转换语音的说话人相似度,本文在融合U-Net架构和互信息的语音转换方法中引入了三元组损失,来优化模型编码器提取说话人信息的能力。实验表明,在引入三元组损失后生成语音的相似度得到提高。本文进一步的改进方法相较于基准模型AdaIN-VC、VQVC+和AGAIN-VC,转换后语音的平均ABX值分别提升了 9.22%、6.70%和4.83%。所以,本文提出的方法较基准模型在转换性能上有不错的提升,对于one-shot语音转换的研究也是有帮助的。

关键词：语音转换 one-shot U-Net架构互信息三元组损失

基于模型学习空间与密度转换的肺部图像分割数据增强算法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模型学习空间与密度转换的肺部图像分割数据增强算法研究与实...

作者：黄凯达重庆大学

学位级别：硕士

随着机器学习和深度学习技术快速发展,智能图像处理技术已经广泛使用于医疗领域。现代许多有关肺部疾病的研究中,CT(计算机断层扫描)的肺部实质性分割是进行深入研究的核心步骤。目前,在肺部分割各种方法中,监督学习方法达到了最优秀的... 详细信息

随着机器学习和深度学习技术快速发展,智能图像处理技术已经广泛使用于医疗领域。现代许多有关肺部疾病的研究中,CT(计算机断层扫描)的肺部实质性分割是进行深入研究的核心步骤。目前,在肺部分割各种方法中,监督学习方法达到了最优秀的准确性。但是,这些监督学习方法的训练很大程度上依赖带有标签的大型数据集。另一方面,给CT扫描做标记是一项非常耗时的任务,并且从不同类型的设备获取的不同数据集可能具有各种数据特征,导致在不同模型上表现差异很大。而怎样从已有的数据信息尽可能构造出可靠、准确的带标签数据是一个极具挑战的课题。本课题的任务就是设计并实现一个肺部图像分割数据增强框架,以方便相关研究人员进行科研工作。本文首先对相关领域的发展进行研究分析,提出了一个基于学习的空间和密度转换的单次肺分割框架。该框架仅需要一个分段的CT扫描(源扫描),并根据目标扫描使用空间和密度转换来转换此扫描。这些目标扫描可以是来自另一个数据集的扫描,也可以是来自其他类型的设备的扫描。使用卷积神经网络U-net来学习肺部空间变形场和结构密度来达到空间和密度的转换。然后,将训练一个受监督的R-FCN,以使用生成的扫描从CT扫描中分割出肺部。本文使用one-shot方法对肺进行分割的方法,并且对该方法进行实验论证。实验表明,即使带有标签的源扫描来自另一个数据集,肺部图像分割数据增强的实验结果达到了令人信服的效果。本文详细介绍了该肺部图像分割数据增强框架的设计与实现。该框架的实现,为相关科研工作者提供了一个有效可靠的思考方向,其强大的功能性也便于使用,有效地促进相关领域的发展。

关键词： CT影像肺部分割 one-shot U-net R-FCN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于梯度的神经网络结构搜索算法优化

基于梯度的神经网络结构搜索算法优化

作者：郝杰电子科技大学

学位级别：硕士

深度神经网络由于具有强大特征提取和表征的能力,已经在计算机视觉、自然语言处理、智能决策等方面展现了卓越的性能。近年来,深度神经网络的设计引起了研究人员的广泛关注,各种高性能和高效率的神经结构不断涌现。但是手工设计一个神... 详细信息

深度神经网络由于具有强大特征提取和表征的能力,已经在计算机视觉、自然语言处理、智能决策等方面展现了卓越的性能。近年来,深度神经网络的设计引起了研究人员的广泛关注,各种高性能和高效率的神经结构不断涌现。但是手工设计一个神经网络需要大量的专家经验和反复的实验验证。因此,神经结构搜索方法被提出来在给定的任务上自动设计神经结构。基于梯度的one-shot神经结构搜索方法在高效实现结构搜索的同时,还具有不错的性能。该方法将搜索空间编码到一个超网络中,并给结构中的每一个操作赋予一个权重系数,即结构参数,通过梯度下降方法来优化网络结构参数。然后根据训练好的结构参数幅值来对操作进行排序,并依次选择保留较大结构参数对应的操作。这种方法存在两个问题,一是神经网络中的候选操作相对独立,没有考虑网络结构中候选操作之间的相互关系,即竞争或依赖关系。二是使用结构参数的幅值大小来定义对应候选操作的重要性具有较大偏差,而且实验发现它们二者之间的相关性较低。以上的两个问题将会导致神经结构出现性能不稳定甚至性能不佳的情况。为了解决以上的问题,本文分别提出了两个算法。对于问题一,我们考虑建立网络中候选操作之间的相互关系。具体地,我们引入自注意力机制到神经结构搜索中并为此开发了一个结构自注意力模块。该模块可以很方便地插入到搜索的网络层中,让候选操作之间进行信息交互来计算某一个特定操作的注意力系数。通过梯度反向传播来更新网络中的参数,从而突显网络中的重要操作并抑制无用的操作,为结构的选择提供重要的参考。对于问题二,我们提出了一种候选操作显著性的概念来量化操作的重要性。将每个操作与网络的输出之间建立起直接关系,从而观察单个特定操作对网络的影响。为了高效地计算该显著性,我们分别提出使用泰勒级数展开和费舍尔信息来近似计算操作显著性,在保证结构高性能的前提下,我们极大提高了结构搜索和结构选择的效率。为了验证提出的算法,我们在 CIFAR-10,CIFAR-100,fashionMNIST,ImageNet等图像数据集上进行了实验。实验结果显示我们的两个算法都能以较低的搜索时间成本获得高性能的神经网络结构,相比于其他的神经结构搜索算法,我们在搜索时间和结构性能上都展现出较大的优势。

关键词：神经网络结构搜索 one-shot 梯度