排序方式: 共有98条查询结果,搜索用时 15 毫秒
81.
82.
本文详细论述了我们开发的基于规则的Matlink英汉机器翻译试验系统中词典的内部存储结构和搜索算法,以一部综合英语词汇静态信息和动态信息于一体的的英汉转换词典的机器翻译方法。试验表明该词典的数据结构和搜索算法较传统的基于多词典的英汉机器翻译系统在词法分析和目标语生成方面具有较高的效率。 相似文献
83.
84.
本文详细介绍改进型多带激励(IMBE)语音编码算法,在语音分析过程,重点介绍了自适应门限的清/浊判决法,在参数编码过程,重点介绍了谱参数的编码方法.本文最后给出了软件模拟的实验结果. 相似文献
85.
基于DNN的低资源语音识别特征提取技术 总被引:1,自引:0,他引:1
针对低资源训练数据条件下深层神经网络(Deep neural network,DNN)特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈神经网络的辅助训练,针对BN层位于共享层的特点,引入Dropout,Maxout,Rectified linear units等技术改善多流训练样本分布不规律导致的过拟合问题,同时缩小网络参数规模、降低训练耗时;其次为了改善深层神经网络特征提取方法,提出一种基于凸非负矩阵分解(Convex-non-negative matrix factorization,CNMF)算法的低维高层特征提取技术,通过对网络的权值矩阵分解得到基矩阵作为特征层的权值矩阵,然后从该层提取一种新的低维特征.基于Vystadial 2013的1小时低资源捷克语训练语料的实验表明,在26.7小时的英语语料辅助训练下,当使用Dropout和Rectified linear units时,识别率相对基线系统提升7.0%;当使用Dropout和Maxout时,识别率相对基线系统提升了12.6%,且网络参数数量相对其他系统降低了62.7%,训练时间降低了25%.而基于矩阵分解的低维特征在单语言训练和辅助训练的两种情况下都取得了优于瓶颈特征(Bottleneck features,BNF)的识别率,且在辅助训练的情况下优于深层神经网络隐马尔科夫识别系统,提升幅度从0.8%~3.4%不等. 相似文献
86.
该文提出一种基于低秩约束的本征音子(Eigenphone)说话人自适应方法。原始的本征音子说话人自适应方法在自适应语料充分时具有很好的效果,然而当自适应语料不足时,出现严重的过拟合现象,导致自适应后的系统可能比自适应前的系统还要差。首先,对协方差矩阵为对角阵的隐马尔可夫-高斯混合模型语音识别系统,推导出一种简化的本征音子矩阵估计算法;然后,对本征音子矩阵引入低秩约束,采用矩阵的核范数作为矩阵秩的凸近似,通过调节核范数的权重因子以有效控制自适应模型的复杂度;最后,给出一种加速近点梯度算法以求解新算法中引入的带有核范数正则项的数学优化问题。汉语连续语音识别的说话人自适应实验表明,引入低秩约束后,本征音子说话人自适应方法的自适应效果得到了明显提高,在5~50 s的自适应数据条件下,均取得了比最大似然线性回归后接最大后验(MLLR+MAP)自适应更佳的识别效果。 相似文献
87.
查明在采掘工程中的未知地质异常体,单纯采用物探、钻探或巷探等地质勘探手段是很不够的。通过矿井地质实践证明,先采用综合地质勘探手段相互论证,然后再有针对性地采用井下钻探和巷探对其进一步验证,是保证高产高效矿井安全生产的一种行之有效的办法。 相似文献
88.
基于.NET的计量信息管理系统的设计与实现 总被引:4,自引:2,他引:4
针对目前计量单位在计量信息管理上的不足,利用Microsoft.NET、SQL Server 2000等软件工具构建了基于.NET的计量信息管理系统。主要针对系统体系构成、数据库结构,以及系统的程序实现技术展开讨论,并给出了系统结构框图和数据库结构框图。该系统采用B/S模式,利用ASP.NET、ADO.NET数据库访问等Web数据库应用系统先进技术,实现了计量信息的网上统计、维护、查询和发布等功能。 相似文献
89.
文章给出了一个基于规则的英语,TTS(Text-To-Speech)系统的设计与实现方法。系统以音素作为合成基元,建立音素字典,使用基于规则的文本分析算法将输入英语句子转换成音素序列,使用基音同步叠接相加(PSOLA)算法合成语音。仿真结果表明,合成语音清晰可懂。 相似文献
90.
HiFi-GAN声码器通过采用缩减网络层的通道数或层数的方式来有效减少模型参数、提高推理速度,但此种方式也严重损害了生成语音的质量。针对此问题,提出了两点改进措施:1.?采用多尺度卷积策略对输入Mel谱进行处理来有效表征特征信息;2.采用一维深度可分离卷积替换生成器网络中的标准一维卷积。实验结果表明,多尺度卷积策略有效提升了模型性能,提高了生成语音的质量,而一维深度可分离卷积显著减少了模型参数量并加快了模型推理速度。通过将这两者结合,有效提升了HiFi-GAN模型的性能,具体来说,模型参数量约减少了67.72%,在GPU、CPU上的推理速度分别提升了11.72%、28.98%。此外,语音质量也得到略微提升,平均主观意见分(Mean Opinion Score,MOS)提升了0.07,客观语音质量评估(Perceptual Evaluation of Speech Quality,PESQ)得分提升了0.05。 相似文献