排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了解决唇语识别中唇部特征提取和时序关系识别存在的问题,提出了一种双向长短时记忆网络(BiLSTM)和注意力机制(Attention Mechanism)相结合的深度学习模型。首先将唇部20个关键点得到的唇部不同位置的高度和宽度作为唇部的特征,使用BiLSTM对唇部特征序列进行时序编码,然后利用注意力机制来发掘不同时刻唇部时序特征对于整体唇语识别的不同权重,最后利用Softmax进行分类。在公开的唇语识别数据集GRID和MIRACL-VC上与传统的唇语识别模型进行实验对比。在GRID数据集上准确率至少提高了13.4%,在MIRACL-VC单词数据集上准确率至少提高了15.3%,短语数据集上准确率至少提高了9.2%。同时还与其他编码模型进行了实验对比,实验结果表明该模型能有效地提高唇语识别的准确率。 相似文献
2.
针对航天器姿态控制系统常见的传感器故障问题,基于增广P型学习观测器技术研究了故障重构问题,并对故障系统进行了容错控制器的设计.首先,考虑同时存在传感器故障和未知干扰输入的航天器姿控系统状态空间模型,将故障等效考虑成与前一时刻故障估计值和当前时刻输出误差有关的两项,借助Lyapunov定理设计观测器,并采用LMI方法给出了观测器参数矩阵系统化设计方法.然后,设计积分滑模面,将得到的等效控制律代入系统状态空间模型后,设计包含自适应故障补偿控制项和线性输出反馈控制项的容错控制律.最后通过仿真实例验证了所设计观测器和容错控制器的有效性. 相似文献
1
