基于CNN-LSTM-SES组合模型的负载预测

随着云计算和大数据技术的快速发展,负载预测作为可优化资源分配和提高系统性能的关键任务受到了广泛关注。为了更好地对负载进行长短期时序预测和提高负载预测精度,提出了一种卷积神经网络(CNN)、长短时记忆网络(LSTM)和一次指数平滑(SES)的组合模型,并采用麻雀搜索算法(SSA)优化模型参数。经过处理的数据集分别输入到SSA-CNN-LSTM模型和SSA-SES模型中,然后对这2个模型的输出值用权重系数法进行组合得出最终的输出值。实验结果表明,本文模型在阿里云公开数据集Cluster-trace-v2018上的云计算负载预测中的性能评估值,相较于CNN-LSTM、SES、CNN-LSTM-SES、SSA-CNN-LSTM与SSA-SES模型,预测精度更高。

蒙古语语音合成语料库的设计及韵律标注规范的建立

以蒙古语中的察哈尔方言为研究对象,结合了蒙古语自身的音节结构特点,对蒙语语音合成语料库的构建进行了介绍,同时设计了一套韵律标注规则。语料来源于新闻语料(蒙文版)、蒙文网站以及蒙文书籍等,语料的设计考虑了蒙语的音节结构。韵律标注的准则在参照汉语C-ToBI的基础上进行设计,采用PRAAT语音分析软件,标注包括拉丁转写、音节结构类型、重音类型以及停顿指数。

基于线性预测残差倒谱的基音检测

传统的基音检测算法对含噪语音的检测结果较差,本文在线性预测倒谱方法的基础上采用基于线性预测残差倒谱的方法对含噪语音进行基音检测。实验结果表明,该方法使基音峰点更加清晰,提高了基音检测的精度。

深度学习降维过程中的信息损失度量研究

随着技术的发展,人们对机器学习予以了关注,并展开了深入的研究,近年来深度学习这一概念被提出,它涉及到数据挖掘、智能识别等众多领域,在底层特征组合的辅助下,用于展示属性的高层特征可以有效形成,并以分布式的形式展示出来。而降维是深度学习的重要组成部分,在提取数据特征,提升识别速度与识别率等方面发挥着不可替代的作用,但与此同时也会不可避免的造成信息损失,对此展开研究有着重要意义。文中将对深度学习原理与信息熵原理进行简述,并探究降维过程中信息损失度量模型的构建方法。

中文信息处理中自动分词技术的研究与展望

当前人们在工作和学习中需使用中文信息处理技术获取自己需要的资源,基于人们需求不断增加,必须提升人们搜索资源的效率,提升中文信息处理相关技术,让中文信息处理与时俱进,满足人们实际需求。中文信息处理包含多种关键技术,为提高信息处理能力必须多种技术同时发挥作用。中文信息处理自动分词技术是信息处理技术瓶颈,文章就文信息处理自动分词技术展开研究。

多级索引的藏语分词词典设计

藏语分词词典是藏语自动分词系统的重要基础,词典规模大小和算法设计的优劣直接影响着分词的效率。本项目首先收集了多部藏语字、词典的所有词条及藏语标点符号,形成了约10万词条的大型藏语分词词库;根据藏字不同长度的特点,建立了藏语特有的多级索引分词词典机制,分析设计藏语整词二分法进行藏语分词。实验结果表明该藏语分词词典具有结构简单,分词速度快和查询性能高等优点。

论中文信息处理中若干关键技术

随着科学技术不断发展,各种信息资源数量不断增多,人们往往需要进行一些必要信息处理,因此信息处理已经成为一项重要内容。信息处理设计多方面内容,主要包括词性选择、信息筛选、自然语言理解、摘要筛选、自动标引筛选、信息结构分析、信息检索等。针对当前信息处理需求,本文就中文信息处理若干关键技术进行研究。

支持向量机在蒙古语说话人识别技术中的研究

支持向量机（SVM）是一种统计学习方法。针对蒙古语说话人识别问题，实验中采用基于高斯核函数的SVM比较了MFCC和MFCC＋△MFCC不同特征参数选取时的识别率。实验结果表明，在文本有关情况下，当蒙古语说话内容为0~9的发音时，MFCC＋△MFCC优于MFCC，使用SVM算法的识别率能够满足说话人识别的实际要求。

小议幽默在英语教学中的应用

在英语教学中恰当的运用幽默是必要的。幽默的语言使知识变得浅显易懂,幽默的课堂使学生信心百增,幽默的教学可调动学生的积极性和主动性,使课堂效果倍增。我们英语教师要认识到幽默在英语教学中的作用,掌握英语教学中运用幽默的方式,在教学中要恰当地运用幽默进行教学。