期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于BN-SGMM-HMM模型的低资源语音识别系统 被引量：7
1
作者 雷杰 赵宏亮 +2 位作者 艾宁智 邹万冰 詹毅 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2021年第12期1627-1632,共6页
针对语音识别系统在低资源条件下,采用传统的高斯混合-隐马尔可夫声学模型(GMM-HMM)会带来识别精度低、参数规模过大等问题,文章提出基于BN-SGMM-HMM的声学模型来解决GMM-HMM模型的不足。该模型在声学特征方面,通过基于瓶颈(bottleneck,... 针对语音识别系统在低资源条件下,采用传统的高斯混合-隐马尔可夫声学模型(GMM-HMM)会带来识别精度低、参数规模过大等问题,文章提出基于BN-SGMM-HMM的声学模型来解决GMM-HMM模型的不足。该模型在声学特征方面,通过基于瓶颈(bottleneck,BN)层的神经网络来进行提取,从而提高声学特征的可区分性与鲁棒性,同时在训练过程中引入Dropout策略来防止过拟合问题;在声学模型方面,采用子空间高斯混合模型(subspace Gaussian mixture model,SGMM),使得模型参数规模显著降低56.5%。同时,这两方面的改进也提升了低资源语音识别系统的识别率,TIMIT语音数据库实验表明,采用该模型,与GMM-HMM模型相比提高8.0%,与BN-GMM-HMM模型相比提高3.6%。这些优点对该模型在低功耗需求的硬件平台上实现部署有极大的帮助。 展开更多
关键词 语音识别 瓶颈特征 子空间高斯混合模型(SGMM) dropout策略 低资源
下载PDF
基于遥感分类的深度信念网络模型研究 被引量：4
2
作者 李玮 吴亮 陈冠宇 《地质科技情报》 CSCD 北大核心 2018年第2期208-214,共7页
使用Python和TensorFlow作为工具实现基本的深度信念网络,提出了一种改进的Dropout策略,该策略每次只选择部分局部区域数据进行权重的清零,既保持了图像本身的局部信息,又增强了该模型的泛化能力,并使用差分进化进行神经网络的权值和偏... 使用Python和TensorFlow作为工具实现基本的深度信念网络,提出了一种改进的Dropout策略,该策略每次只选择部分局部区域数据进行权重的清零,既保持了图像本身的局部信息,又增强了该模型的泛化能力,并使用差分进化进行神经网络的权值和偏移值的优化。通过实验对比表明,改进后的Dropout策略对于防止过拟合有明显的效果,使用差分进化算法对深度信念网络进行参数调整比传统的浅层分类器效果更好。 展开更多
关键词 遥感图像 深度信念网络 dropout策略 差分进化 分类
下载PDF
基于深度神经网络的推荐算法 被引量：4
3
作者 程磊 高茂庭 《现代计算机》 2018年第15期3-7,共5页
针对传统协同过滤必须存在近邻用户才能给出推荐的问题,提出一种基于深度神经网络的推荐算法。先建立项目类型与用户项目评分的对应关系用于DNN训练,再建立一种带有Dropout策略的多分类深度神经网络模型,最后经过模型训练和反编码得到... 针对传统协同过滤必须存在近邻用户才能给出推荐的问题,提出一种基于深度神经网络的推荐算法。先建立项目类型与用户项目评分的对应关系用于DNN训练,再建立一种带有Dropout策略的多分类深度神经网络模型,最后经过模型训练和反编码得到目标项目的预测评分。实验表明,新算法可以根据用户的评论项目数给出合理的推荐。 展开更多
关键词 DNN dropout策略 反编码 深度学习
下载PDF
一种基于神经网络的OFDM信号识别与符号估计改进方法
4
作者 熊刚 张辉 +1 位作者 任祥维 胡宗恺 《舰船电子对抗》 2023年第5期65-69,共5页
针对正交频分复用(OFDM)信号调制识别与符号估计问题,提出了一种基于深度学习神经网络(DNN)的新方法。该方法通过深入分析OFDM信号的实际传输模型,同时采用优化的Dropout策略防止过度拟合,可适用于多种调制类型数据集的训练,增强了网络... 针对正交频分复用(OFDM)信号调制识别与符号估计问题,提出了一种基于深度学习神经网络(DNN)的新方法。该方法通过深入分析OFDM信号的实际传输模型,同时采用优化的Dropout策略防止过度拟合,可适用于多种调制类型数据集的训练,增强了网络学习的泛化能力;另一方面,基于改进的OFDM导频数据训练结构,提高计算效率。该新思路增强了抗噪性能,无需大量的数据先验需求,具有良好的稳健性和工程实用性。仿真结果表明新方法的识别及估计性能比起过去传统思路更优,且可在低信噪比情况下成功实现识别及估计。 展开更多
关键词 正交频分复用信号 深度学习神经网络 调制识别 定时估计 dropout策略
下载PDF
基于Dropout深度信念网络的棉和涤纶含量的近红外光谱检测 被引量：3
5
作者 韦卓 李稳稳 +2 位作者 林敏 江文松 周新奇 《光学学报》 EI CAS CSCD 北大核心 2021年第17期189-195,共7页
将近红外光谱技术与深度学习理论相结合,提出了一种基于Dropout深度信念网络(DBN)的棉涤混纺面料中各组分含量的快速检测方法。首先使用小波变换对原始光谱数据进行压缩处理,再构建以高斯受限玻尔兹曼机(GRBM)为核心的DBN模型,以保证输... 将近红外光谱技术与深度学习理论相结合,提出了一种基于Dropout深度信念网络(DBN)的棉涤混纺面料中各组分含量的快速检测方法。首先使用小波变换对原始光谱数据进行压缩处理,再构建以高斯受限玻尔兹曼机(GRBM)为核心的DBN模型,以保证输入数据信息的完整性;然后利用Dropout来防止模型过拟合,通过隐藏部分隐含层节点来减小节点之间的相互依赖,实现网络的稀疏化处理,提高了非线性建模和网络模型的泛化能力。实验结果表明:对于采用Dropout-DBN方法建立的棉涤混纺面料中各组分含量的分析模型,其棉、涤纶含量的预测集相关系数分别为0.9927和0.9903,预测集均方根误差分别为0.0792和0.0869。与其他建模方法相比,所建模型的精度和适应性显著提高,并有利于模型的传递与共享,提高了模型的智能化。 展开更多
关键词 光谱学 近红外光谱 棉涤混纺面料 深度信念网络 高斯受限玻尔兹曼机 dropout策略
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部