-
题名基于多语音增强与分离的对话机器人系统设计
- 1
-
-
作者
袁芝妹
张华
王丽
-
机构
湖南外国语职业学院
-
出处
《自动化与仪器仪表》
2024年第10期282-286,共5页
-
基金
2021年度湖南省社会科学成果评审委员会课题《人工智能背景下高职外语类专业人才培养转型研究》(XSP21YBC363)。
-
文摘
为进一步提升英语语音交互机器人在复杂环境下的语音交互效果,基于语音分离技术,进行英语语音增强方法的设计,以进一步提升人机英语语音交互的效果。其中,以DPRNN作为基础的语音分离模型,并以此为基础进行优化,最终通过自适应注意力进行最终的优化,以进一步提升语音分离的效果。实验结果表明,与Conv-TasNet和DPRNN相比,改进后的DPRNN具有更快的收敛速度,同时还能保持损失较低;与其他分离模型相比,设计的TAANet语音分离方法具有更好的语音分离效果,更强的适应能力与泛化能力,在WSJ0、WHAM、WHAMR以及GRID-2mix英语语音数据集上的SI-SNRi和SDRi得分分别达到了25.94和24.30、15.55和15.81、13.03和11.23、16.49和17.12;同时,设计的TAANet英语语音分离方法在各种噪声环境下的PESQ得分均能得到不同程度的提升,稳定性较强。以上结果表明,设计的TAANet英语语音分离方法能够实现效果良好的语音分离,将其应用于人机交互的语音增强是可行的,可靠性较高。
-
关键词
语音交互
语音增强
语音分离
DPRNN
自适应注意力网络
-
Keywords
voice interaction
speech enhancement
speech separation
DPRNN
adaptive attention network
-
分类号
TP392
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应图注意力网络的短期用户负荷预测
被引量：9
- 2
-
-
作者
黄冬梅
陈欢
王宁
吴志坚
胡伟
孙园
-
机构
上海电力大学电子与信息工程学院
上海电力大学电气工程学院
国网江苏省电力有限公司苏州供电分公司
上海电力大学经济与管理学院
上海电力大学数理学院
-
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2023年第20期140-149,共10页
-
基金
国家社会科学基金项目资助(19BGL003)
上海市科委地方院校能力建设项目资助(20020500700)。
-
文摘
为提高短期用户负荷预测精度,提出了一种基于自适应图注意力网络(adaptive graph attention network,AGAT)的短期用户负荷预测模型。首先,针对用户负荷存在规模小、波动性强的问题,通过门控机制结合多个大小不同的扩张卷积核来构造时序特征提取层,从多个尺度上提取用户负荷的高维时序特征。同时,考虑到不同用户负荷间潜在的动态相关性,使用马氏距离构造动态图学习层,生成动态图邻接矩阵。然后,采用图注意力网络根据动态图邻接矩阵将用户负荷的高维时序特征进行信息汇聚。最后,通过全连接层输出用户负荷预测值。为验证AGAT模型的有效性,采用UCI电力负荷数据集进行预测实验,分别与多种基线模型比较。实验结果表明,所提模型预测指标优于各基线模型,有助于提高短期用户负荷预测精度。
-
关键词
短期用户负荷预测
自适应图注意力网络
时序特征提取
动态图学习
图神经网络
-
Keywords
short-term user load prediction
adaptive graph attention network
time sequence feature extraction
dynamic graph learning
graph neural network
-
分类号
TM715
[电气工程—电力系统及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
