注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 连续语音识别系统声学单元选择与模型训练的研究

  2. 有关连续语音识别的小论文，主要是讲声学元选择与模型训练的研究

  3. 所属分类：专业指导

    • 发布日期：2009-06-04
    • 文件大小：182kb
    • 提供者：jerry0072

  1. 改进HMM算法和神经网络混合模型的语音识别

  2. 非齐次HMM算法和自组织特征映射神经网络混合模型的语音识别，训练出抗噪HMM模型。有效提高识别率

  3. 所属分类：网络基础

    • 发布日期：2010-09-03
    • 文件大小：295kb
    • 提供者：mohongfei2006

  1. 语音识别技术 及应用

  2. 语音识别技术近年来得到了飞速的发展并且在越来越多的领域得到了广泛的应用。隐马尔可夫模型 （HMM）语音识别技术是一种基于训练数据提供的概率自动构造识别系统的技术，主要用于大量词汇的语音识别，而 且具有良好的识别性能和抗噪性能。因此，一般的语音识别系统都采用基于HMM的识别方法作为其基本算法。本文 列举了语音识别在教学中的应用示例来分析其基本算法。

  3. 所属分类：其它

    • 发布日期：2011-04-12
    • 文件大小：87kb
    • 提供者：peiweifeng

  1. 基于HMM和ANN的语音识别方法

  2. 本文对现有的语音识别技术发展现状进行了分析，首先介绍了语 音识别的基本理论，包括语音信号的预处理、端点检测和特征提取。 在此基础上，介绍了三个有效语音识别特征参数—线性预测编码系数 LPC、线性预测倒谱系数LPCC和美尔频率倒谱系数MFCC的具体提 取方法，其次分别讨论了隐马尔可夫模型HMM和人工网络模型ANN 在语音识别中的具体应用，介绍了它们各自的模型训练与识别算法， 最后针对HMM具有很强的对时间归整能力和ANN具有很强的分类 能力，利用它们各自的优点把HMM和ANN结合起来，实验证明，

  3. 所属分类：其它

    • 发布日期：2011-04-18
    • 文件大小：1mb
    • 提供者：virtualwolf

  1. 语音识别技术文章.rar

  2. 第一部分 基本理论 第2章 听觉机理和汉语语音基础 2. 1 概述 2.2 听觉机理和心理 2.2.1 语音听觉器官的生理结构 2.2.2 语音听觉的心理 2.3 发音的生理机构与过程 2.4 汉语语音基本特性 2.4. 1 元音和辅音 2.4.2 声母和韵母 2.4.3 音调(字调) 2.4.4 音节(字)构成 2.4.5 汉语的波形特征 2.4.6 音的频谱特性 2.4.7 辅音的频谱特性 2.4.8 汉语语音的韵律特征 2.5 小结 参考文献 第3章 语音信号处理方法--时域处理 3.1

  3. 所属分类：其它

    • 发布日期：2011-05-12
    • 文件大小：5mb
    • 提供者：wangjunhui1984

  1. VQ_DHMM(语音识别配套的VQ及DHMM模型训练)

  2. 基于DHMM和VQ的关键词识别 详细说明：语音识别配套的VQ及DHMM模型训练程序，C语言，已经定点化，可直接移植到8位MCU或16位DSP中。与目前市面的语音识别玩具的算法基本一致，非常实用，仅供大家参考

  3. 所属分类：C++

    • 发布日期：2012-05-31
    • 文件大小：6mb
    • 提供者：sampeans

  1. 语音识别动态时间规整DTW的Matlab代码

  2. 语音识别动态时间规整DTW的Matlab代码 由于在训练或者识别的过程中，即使同一个人发同一个音时，不仅其持续时间长度会随机地改变，而且各音素的相对时长也是随机变化的。因此，如果在匹配时只对特征向量系列进行线性时间归整，其中的音素就有可能对不准。60年代，日本学者板仓(Itakura)提出了动态时间归整算法。算法的基本思想就是把未知量均匀地伸长或缩短，直到它与参考模式的长度一致为止。在时间归整过程中，未知单词的时间轴要不均匀地扭曲或弯折，以便使其特征与模型特征对正。动态时间归整是较早的一种模式

  3. 所属分类：其它

    • 发布日期：2013-02-22
    • 文件大小：699byte
    • 提供者：pengxiaotu

  1. 一种新的全汉语单音节语音识别算法

  2. 本文阐述了一种新的全汉语单音节语音识别算法——DP/MVQ法。新方法充分借鉴了隐马尔可夫模型（Hidden Markov Model）中“状态”的概念，保留了 David K. Bordon 提出的多段矢量量化（Multisection Vector Quantization，简记为MVQ）方法中能保持时间序列信息的优点，并且并且在码本的训练过程中用了动态规划技术去优化MVQ产生的码字，使得DP技术贯穿于码本训练和识别的全过程。新方法充分考虑了汉语普通话语音的声学结构特点和统计特性，而且训练和

  3. 所属分类：机器学习

    • 发布日期：2017-08-27
    • 文件大小：492kb
    • 提供者：norxiao

  1. 语音识别 技术及应用

  2. 语音识别技术近年来得到了飞速的发展并且在越来越多的领域得到了广泛的应用。隐马尔可夫模型 (HMM)语音识别技术是一种基于训练数据提供的概率自动构造识别系统的技术，主要用于大量词汇的语音识别，而 且具有良好的识别性能和抗噪性能。因此，一般的语音识别系统都采用基于HMM的识别方法作为其基本算法。本文 列举了语音识别在教学中的应用示例来分析其基本算法。

  3. 所属分类：其它

    • 发布日期：2009-03-20
    • 文件大小：159kb
    • 提供者：joyce0331

  1. 语音识别mllt学习资料

  2. 语音识别中的mllt算法论文，在ML准则下，评价一个模型‘好坏’的标准是训练数据与模型匹配的似然度，如果似然度越高的话，我们说这个模型越好。MLLT的作者给出了在最大似然准则下（ML）使用对角协方差矩阵的缺点，及其对训练数据集描述似然度的损失。

  3. 所属分类：其它

    • 发布日期：2018-10-15
    • 文件大小：253kb
    • 提供者：chinatelecom08

  1. 基于深度学习神经网络的孤立词语音识别的研究.pdf

  2. 为了提高语音识别系统性能， 研究提出将自编码器深度学习神经网络应用于语音识别中。 该网络结构引入贪婪逐层预训练学习算法， 通过预训练和微调两个步骤， 提取出待识别语音信号的本质特征， 克服传统多层人工神经网络模型在训练时存在易陷入局部极小值且需要大量标签数据的问题。然后经过规整网络， 将任意长度帧的语音特征参 数规整到某一特定帧， 输入到分类器中进行语音识别。 对反向传播神经网络和自编码神经网络分别进行了仿真实验，结果表明深度学习神经网络识别准确度较传统神经网络提升了 26.1%， 是一种优良的

  3. 所属分类：深度学习

    • 发布日期：2020-04-25
    • 文件大小：418kb
    • 提供者：weixin_39164435

  1. 人工智能语音识别训练好的模型.rar

  2. 人工智能语音识别训练好的模型.rar

  3. 所属分类：深度学习

    • 发布日期：2020-04-22
    • 文件大小：235mb
    • 提供者：ZR__MaNong

  1. 人工智能语音识别训练好的模型.zip

  2. 人工智能语音识别训练好的模型.zip

  3. 所属分类：机器学习

    • 发布日期：2020-04-16
    • 文件大小：235mb
    • 提供者：ZR__MaNong

  1. LSTM及其在语音识别中的应用

  2. 经过几十年的研究与发展，语音识别建立了以隐马尔可夫模型（Hidden Markov Models，HMM）为基础的框架。近几年，在HMM基础上深度神经网络(Deep Neural Network，DNN)的应用大幅度提升了语音识别系统的性能。DNN将每一帧语音及其前后的几帧语音拼接在一起作为网络的输入，从而利用语音序列中上下文的信息。DNN中每次输入的帧数是固定的，不同的窗长对最终的识别结果会有影响。递归神经网络（Recurrent neural network，RNN）通过递归来挖掘序列中的上

  3. 所属分类：专业指导

    • 发布日期：2020-02-27
    • 文件大小：280kb
    • 提供者：weixin_42329419

  1. LSTM及其在语音识别中的应用

  2. 经过几十年的研究与发展，语音识别建立了以隐马尔可夫模型（Hidden Markov Models，HMM）为基础的框架。近几年，在HMM基础上深度神经网络(Deep Neural Network，DNN)的应用大幅度提升了语音识别系统的性能。DNN将每一帧语音及其前后的几帧语音拼接在一起作为网络的输入，从而利用语音序列中上下文的信息。DNN中每次输入的帧数是固定的，不同的窗长对最终的识别结果会有影响。递归神经网络（Recurrent neural network，RNN）通过递归来挖掘序列中的上

  3. 所属分类：专业指导

    • 发布日期：2020-01-27
    • 文件大小：280kb
    • 提供者：tld12

  1. 一种基于语音识别技术的智能视频监控系统设计

  2. 针对传统视频监控系统中存在的不足,提出了一种将语音识别技术作为辅助的监控手段,构建具有主动预警、监控画面智能切换等功能的视频监控系统的设计方法;使用倒谱平均减(CMS)的方法抑制了传输设备不同带来的信道畸变对语音识别的影响;使用模型合并重估的方法解决了训练样本数据更新导致的所有数据重新训练的问题。仿真测试表明该系统预警准确、切换智能,对市场上传统视频监控系统的改进具有一定的指导作用。

  3. 所属分类：其它

    • 发布日期：2020-06-02
    • 文件大小：413kb
    • 提供者：weixin_38677806

  1. 基于纠错输出编码的支持向量机在语音识别中的应用

  2. 利用纠错输出编码的矩阵编码构造出若干个无关的子支持向量机,用来改善分类模型的整体容错性能。使用了一对余、一对一、稠密型随机编码、稀疏型随机编码4种常用的纠错输出编码方法,用于训练集和测试集。实验结果显示,对于韩语非特定人小词汇量孤立词的语音识别,基于纠错输出编码的支持向量机比隐马尔科夫方法具有更高的识别率。其中,一对一编码是效果最好的。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：571kb
    • 提供者：weixin_38551187

  1. LSTM及其在语音识别中的应用

  2. 经过几十年的研究与发展，语音识别建立了以隐马尔可夫模型（Hidden Markov Models，HMM）为基础的框架。近几年，在HMM基础上深度神经网络(Deep Neural Network，DNN)的应用大幅度提升了语音识别系统的性能。DNN将每一帧语音及其前后的几帧语音拼接在一起作为网络的输入，从而利用语音序列中上下文的信息。DNN中每次输入的帧数是固定的，不同的窗长对最终的识别结果会有影响。递归神经网络（Recurrent neural network，RNN）通过递归来挖掘序列中的上

  3. 所属分类：专业指导

    • 发布日期：2020-07-20
    • 文件大小：280kb
    • 提供者：lemonzx2008

  1. 全面剖析深度神经网络和语音识别.zip

  2. 1.语音识别的介绍； 2. 声学模型基础知识（混合高斯模型、隐马尔科夫模型等）； 3. 语音识别相关的深度神经网络（框架、应用）； 4. 高级模型； 5. 语音识别中的训练、解码等的加速解决方案； 6.其它神经网络/语音识别的高级内容剖析。

  3. 所属分类：互联网

    • 发布日期：2020-09-21
    • 文件大小：54mb
    • 提供者：zhoujiazhao

  1. DSP中的孤立词语音识别系统设计与实现

  2. 0 引 言 　　在孤立词语音识别中，最为简单有效的方法是采用动态时间规整（Dynamic Time Warping，DTW）算法，该算法解决了发音长短不一的模板匹配问题，是语音识别中出现最早、较为经典的一种算法。用于孤立词识别，该算法较现在比较流行的HMM算法在相同的环境条件下，通过反复计算才能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语音识别中，DTW算法仍得到广泛的应用。本系统就采用了该算法。 　　1 系统概述 　　语音识别系统的典型实现方案如图1所示。输入的模拟语

  3. 所属分类：其它

    • 发布日期：2020-10-23
    • 文件大小：299kb
    • 提供者：weixin_38636763
« 12 3 4 5 6 7 8 9 10 »