-
题名基于改进对比散度的GRBM语音识别
被引量:4
- 1
-
-
作者
赵彩光
张树群
雷兆宜
-
机构
暨南大学信息科学技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2015年第5期213-218,共6页
-
文摘
对比散度作为训练受限波尔兹曼机模型的主流技术之一,在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的思想,提出一种改进对比散度的训练算法,包括模型参数的更新和样本数据的采样,并将改进后的训练算法应用于高斯伯努利受限玻尔兹曼机(GRBM)中训练语音识别模型参数。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明,采用改进的对比散度训练的GRBM明显优于传统的模型训练算法,语音识别率能够达到80%左右,最高提升7%左右,而且应用改进算法训练的其他GRBM对比模型的语音识别率也都有所提高,具有较好的识别性能。
-
关键词
对比散度
高斯伯努利受限玻尔兹曼机
受限玻尔兹曼机
指数平均数指标
并行回火
语音识别
深度神经网络
-
Keywords
Contrastive Divergence (CD)
gaussian-bernoulli restricted boltzmann machine ( grbm )
restrictedboltzmann machine( RBM )
Exponential Moving Average ( EMA )
Parallel Tempering ( PT )
speech recognition
DeepNeural Network (DNN)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于并行回火改进的GRBM的语音识别
被引量:1
- 2
-
-
作者
赵彩光
张树群
雷兆宜
-
机构
暨南大学信息科学技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第8期125-129,168,共6页
-
文摘
为提高连续语音识别中的识别准确率,采用高斯伯努利受限玻尔兹曼机进行语音训练和识别。通过结合并行回火算法的思想,采样、交换不同的温度链下的重构数据,实现在全局范围内对整个分布进行采样,提出一种基于并行回火改进的高斯伯努利受限玻尔兹曼机(GRBM-PT)的建模方法。该方法通过对语音信号的连续数据进行预训练分析、建模,最后使用支持向量机作为语音识别的分类器。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明,语音识别率能够达到83.14%,基于GRBM-PT模型下的语音识别率明显优于RBM,RBM-PT以及GRBM模型的性能。
-
关键词
高斯伯努利受限玻尔兹曼机(grbm)
受限玻尔兹曼机
并行回火
语音识别
-
Keywords
gaussian-bernoulli restricted boltzmann machine(grbm)
restricted boltzmann machine
parallel tempering
speech recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于高斯受限玻尔兹曼机的非线性过程故障检测
被引量:1
- 3
-
-
作者
陈曦
蒋立
宋执环
-
机构
浙江大学工业控制研究所
-
出处
《上海应用技术学院学报(自然科学版)》
2015年第2期139-143,共5页
-
基金
教育部博士学科点专项科研基金资助项目(20130101110138)
-
文摘
针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.
-
关键词
故障检测
高斯受限玻尔兹曼机
大数据
非线性
-
Keywords
fault detection
Gaussian restricted boltzmann machine (grbm)
big data
nonlinearity
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名用于Android手机活动识别的深度重构模型
- 4
-
-
作者
王金甲
田佩佩
-
机构
燕山大学信息科学与工程学院
-
出处
《高技术通讯》
北大核心
2017年第7期604-611,共8页
-
基金
国家自然科学基金(61273019
61473339)
+3 种基金
河北省自然科学基金(F2013203368)
河北省青年拔尖人才支持计划([2013]17)
河北省博士后专项资助项目(B2014010005)
中国博士后科学基金面上项目(2014M561202)资助
-
文摘
基于数据的流形假设,进行了Android手机的活动识别研究,提出了一种深度重构模型(DRMs),该模型无需基础几何的先验假设就能自动学习到当前类样本的复杂非线性曲面结构和几何特点。首先定义了一个深度重构模型(DRM)模板,通过高斯受限玻尔兹曼机(GRBMs)逐层贪婪训练以初始化DRM模板的权重。在训练阶段,根据每类样本分别微调初始化后的DRM模板便可得到特定类的DRM。在测试阶段,基于测试样本与特定类DRM的最小重构误差决策活动类别。实验证明,该方法对Android手机数据集的活动识别正确率高达99%。
-
关键词
活动识别
深度重构模型
自动编码器
ANDROID手机
高斯受限玻尔兹曼机(grbms)
-
Keywords
activity recognition, deep reconstruction model (DRM), auto-encoder, Android mobile phone,Gaussian restricted boltzmann machines (grbms)
-
分类号
TN929.53
[电子电信—通信与信息系统]
TP181
[自动化与计算机技术—控制理论与控制工程]
-