Nov, 2023

基于状态转换的形式化验证长短期记忆音频分类器

PDF
TL;DR通过使用基于星集的形式验证方法验证音频分类系统，本研究旨在简化长短时记忆结构和卷积变体在音频分类领域中的可及性分析，从而在实际应用中确保准确的信号分类，强调了在噪声对输出分类准确性产生影响的情况下，鲁棒性验证对于确保精确可靠的预测的必要性。
formal verificationaudio classification systemsstar-set-based formal verificationlong short-term memory architecturesconvolutional variations
发现论文，激发创造
  • 基于注意力长短期记忆 (LSTM) 的语音可懂度自动分类系统

    该研究致力于开发一种自动非侵入式系统，用于预测语音可懂度水平，研究结果显示采用长期短期记忆（LSTM）网络以及对数 - 梅尔频谱图作为输入特征的 LSTM 架构通过引入简单的注意力机制，能够确定任务中更为相关的帧，从而优于基于支持向量机（SVM）和手工特征、基于均值池化的 LSTM 系统。

    Feb, 2024

  • 噪声环境中音频特征分析的 LSTM-CNN 网络

    通过使用长短时记忆卷积神经网络（LSTM-CNN），本研究针对有噪音环境下的每帧音频数据，提取时间和 / 或频率相关的声音特征，从而估计同时活动的说话者数量和性别。在公共城市、工业环境、商场、展览会、工作场所和自然环境等各种情况下，使用了 19000 个男性、女性和背景噪音的音频样本进行了学习。该概念验证表明，在检测计数和性别方面，训练 / 验证均方误差（MSE）值约为 0.019/0.017，显示出有希望的性能。

    Dec, 2023

  • 长短期记忆视频摘要

    本文提出了一种针对视频进行自动化重点帧或子镜头选择的新型监督学习技术，其将问题视为顺序数据上的结构化预测问题，主要想法是利用 LSTM（长短时记忆），该专用网络类型可模拟视频摘要任务中包含的可变范围依赖性，详细分析证明了模型设计的合理性，通过引入领域适应技术，我们还介绍了应对训练复杂学习模型所需大量注释数据需求的技术。

    May, 2016

  • 基于长短时记忆的深度循环神经网络构建及其在大词汇语音识别中的应用

    本研究针对多 GPU 设备下，探讨了基于深度 LSTM 的语音识别任务，通过构建深度循环神经网络来提升深层次模型效率，实验结果表明深度 LSTM 网络的性能优于浅层次模型。

    Oct, 2014

  • 动物声音分类的高级框架与特征优化

    我们提出了一种自动化的动物声音分类框架，使用深度学习模型和优化的声音特征从 MFCC 中提取深度语义特征，相较基线方法，在精确度、召回率和准确度上性能提升超过 25%，在动物声音分类中具有潜在的进展。

    Jul, 2024

  • 长短时记忆网络自动规则提取

    本文提出了一种新方法，通过追踪给定输出对 LSTM 的给定输入的重要性来识别一致重要的单词模式，从而将其简化为一组代表性短语，并基于这些短语构造了一个简单的基于规则的分类器，从而近似于 LSTM 在情感分析和问题回答上的输出。

    Feb, 2017

  • 基于神经网络剪枝的迭代微调设计紧凑型视听唤醒词识别系统研究

    本文提出了一种使用神经网络剪枝策略的紧凑型音视频唤醒词识别系统，该系统利用 MobileNet 对唇部信息进行编码，并与声学特征进行融合，大大提高了在不同噪声条件下的唤醒词识别性能，可望在电视开机场景下实现实际应用。

    Feb, 2022

  • 使用长短时记忆网络进行唇读

    本文介绍了利用神经网络从仅有的视觉信息（面部）中识别言语并实现唇读的方法，通过使用前馈和循环神经网络层（即 LSTM）堆叠成单一结构，并对其进行训练，成功地实现了比传统方法更高的识别准确性。

    Jan, 2016

  • 基于 PCA 网络和 LSTM 的同步 GMM-HMM 系统中的视觉语音识别

    本文研究了如何使用图像获得人类言语的信息，使用主成分分析 (PCA) 和深度学习的方法，通过卷积神经网络 (CNN) 和使用长短时记忆 (LSTM) 的循环神经网络 (RNN) 对图像进行分析并提取出空间时间特征，进而在语音识别任务中展现出较高的准确率。

    Oct, 2017

  • 多模态相关性学习：用于主动说话人检测和语音增强的方法

    提出了一个统一框架，通过视听联合建模来实现目标说话人检测和语音增强，以建立音频 - 视觉任务中的多模态关联。

    Mar, 2022