画国徽

小弟弟，小妹妹，手拿蜡笔画国徽。画上红色天安门，又画齿轮和麦穗。再画五颗大金星，一闪一闪放光辉。

改进MFCC和并行混合模型的语音情感识别

传统MFCC不仅忽略了浊音信号中基音频率的影响,还不能表征语音的动态特征,因此提出利用滑动平均滤波器滤除浊音信号的基音频率,并在提取完静态MFCC特征后再通过提取其一阶差分与二阶差分来获取动态特征。将得到的特征送入模型中进行训练,为了构建更高效的语音情感识别模型,搭建了一种融合多头注意力机制的并行混合模型。多头注意力机制不仅可以有效防止梯度消失现象,构建更深层的网络,各个注意力头还可以执行不同的任务来提高准确率。最后进行情感特征分类,传统softmax在进行分类时类内距离可能会变大导致模型的置信度差,因此引入了中心损失函数,将两者联合来进行分类。实验结果表明,所提方法在RAVDESS数据集和EMO-DB数据集上的准确率可以分别达到98.15%和96.26%。

面向数据增强的轻量化语音情感识别

利用深度学习进行语音情感识别时通常需要大量的训练数据。针对现有语音情感数据库匮乏且数据量少容易造成过拟合的缺陷,本文在预处理阶段,将原始语音通过加入高斯白噪声和对波形进行位移产生新的语音信号以实现数据增强,不仅可提高识别准确率而且可增强模型的鲁棒性。与此同时,由于普通卷积神经网络参数量过大,提出一种轻量化模型,该模型由可分离卷积与门控循环单元构成。首先,从原始语音中提取MFCC特征作为模型的输入;其次利用可分离卷积来提取语音空间信息,门控循环单元提取语音的时序信息,用时序信息和空间信息同时表征语音情感可以使预测结果更加准确;最后送入带有softmax的全连接层完成情感分类。实验结果表明,本文模型与基准模型相比不仅可以得到较高的准确率且模型可压缩约50%。

画国徽

小弟弟，小妹妹，手拿蜡笔画国徽。画上红色天安门，又画齿轮和麦穗。再画五颗大金星，一闪一闪放光辉。一边画来一边唱，祖国万岁万万岁!

画国徽

小弟弟，小妹妹，手拿蜡笔画国徽。画上红色天安门，又画齿轮和麦穗。再画五颗大金星，一闪一闪放光辉。一边画来一边唱，祖国万岁万万岁!

慢将破记录

“‘慢将’——加油!加油——‘慢将’!”操场上爆发出一阵异常的呼喊声。朋友，你可知道“慢将”是谁吗？就是在下。自从三年级开始体育达标测验以来，我跑步这一项从来就是不及格，成了全班唯一不达标的人。我也苦恼过，也下过决心，可每次都半途而废，功亏一篑。