排序方式: 共有18条查询结果,搜索用时 14 毫秒
1.
基于深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network,DS-CNN)设计一个嵌入式离线语音门禁系统.系统首先利用深度学习库TensorFlow搭建DS-CNN声学模型并完成模型训练,然后将训练好的模型移植到嵌入式平台实现离线式语音识别,最后根据识别结果控制继电器执行相应动作.为避免人工设计的滤波器在特征提取时造成信息损失,系统采用语音信号的语谱图作为声学模型输入,通过多层卷积单元自动提取说话人语音特征进行分类判断,并引入语音唤醒机制,保证系统的安全性和低能耗.系统测试结果表明,该门禁系统1次识别成功率达95%以上,平均响应时间满足设计要求,具有较好的实用性. 相似文献
2.
为减轻日益严重的交通拥堵问题,实现智能交通管控,给交通流诱导和交通出行提供准确实时的交通流预测数据,设计了基于长短时记忆神经网络(LSTM)和BP神经网络结合的LSTM-BP组合模型算法.挖掘已知交通流数据的特征因子,建立时间序列预测模型框架,借助Matlab完成从数据的处理到模型的仿真,实现基于LSTM-BP的短时交通流精确预测.通过与LSTM\BP\WNN三种预测网络模型的对比,结果表明LSTM-BP预测的时间序列具有较高的精度和稳定性.该模型的搭建,可对交通分布的预测、交通方式的划分、实时交通流的分配提供依据和参考. 相似文献
4.
针对起重设备金属结构传统故障诊断方法准确率低、网络性能不稳定等缺点,提出基于深度神经网络和压缩感知理论的故障诊断方法,通过构建深度神经模型,对它在运行过程中的振动数据信号进行分析,可有效应用于起重设备的疲劳失效、损坏等故障检测。该方法避免了一般神经网络依靠经验确定网络结构的困难,具有更高的稳定性,且训练时间大幅缩短,明显优于传统的神经网络诊断方法。 相似文献
5.
为了解决锅炉供水、乳产品巴氏消毒连续给水等难题,设计了一个基于S7-200 PLC的水处理闭环控制系统。给出系统的软硬件组成和工作原理。针对PLC控制要求,设计了进出水压力控制程序和触摸屏交互功能。实际运行结果表明:系统输出水流量能长时间保持稳定,达到水流量基本恒定、连续供给不中断的要求;系统水压力输出基本与设定压力保持一致,满足供水压力恒定且接近管道最大压力的要求。 相似文献
6.
提出一新的非参数贝叶斯推理算法来辨识任意复杂的多模噪声分布,采用无穷维推理技术,能够较为精确地逼近噪声的后验分布.算法主要引入一随机度量分布满足一预设的先验过程--混合Dirichlet过程(Dirichlet Process Mixture,简称DPM),由于DPM具有形似于Polya urn的采样特性,能够很方便地对噪声数据进行聚类,并导出噪声的后验分布.仿真结果显示,噪声数据似然的Metropolis Hastings(M-H)的采样算法比点估计的系统分析算法精度高. 相似文献
7.
传统说话人识别框架大多建立在高斯混合模型(GMM)上的,然而这种浅层学习模型不能有效地表征数据特征之间的高阶相关性,识别效果较差。本文提出一种基于深度神经网络(Deep Neural Network, DNN)与基音周期(Pitch Period, PP)相结合的说话人识别方法,模型主线识别以对数梅尔滤波器组特征参数作为DNN的输入,通过训练DNN模型提取说话人的声纹特征;针对DNN模型阈值设定人的主观性影响,利用动态时间规整技术匹配说话人基音周期进行辅助识别。实验结果表明,这种双重识别方法等错误率可以达到1.6%,较DNN系统与EM-GMM系统等错误率分别降低了1.2%和2.4%,并且在噪声环境中仍具有较好的鲁棒性。 相似文献
8.
运用了三维仿真软件AVL FIRE v2014中的ESE模块[1],建立了小型单缸直喷式柴油机的几何模型和计算网格;通过设定合适的边界条件、初始条件以及计算步长,选取喷雾、燃烧、排放等模型,并在此基础上调整各参数,构建了合适的模拟平台。研究了小型柴油机在富氧,富氧+EGR(进气中掺入CO2)以及单独使用EGR三种情况下的排放特性,得出了EGR协同富氧燃烧有利于尾气排放的控制,综合考虑颗粒物和NOx两种有害物的排放,进一步得出了21%EGR(CO2)+23%富氧含量是改善小型柴油机排放的理想匹配。 相似文献
9.
XML即可扩展标记语言,是为了在网络中说明和交换数据而制定的标准数据格式,而作为数据载体的XML文档的体积也随着交换数据增多而变得越来越大,这给网络上的数据传输造成了很大的负担.为此,先把数据库里的数据生成XML,再加工成压缩包,就是每一条数据都是xml.zip的压缩包,利用C#编写定时程序进行定时压缩,不用手动,最后用于数据推送. 相似文献
10.
使用多层感知器神经网络模型来识别和控制非线性电子节气门系统。首先,神经网络模型在不同运行条件下辨识,它代表非线性节气门伺服系统的动态特性。其次,使用油门辨识器网络模型来设计和训练神经网络控制器模型,从而使节气门系统的追踪控制位置遵循参考模型。油门辨识器网络模型用于辅助以离线模式训练的神经网络控制器。神经网络控制器使用相同的输入来进行训练,这些输入被反馈到实际的节气门系统以产生相同的输出。通过调整神经网络控制器的权重和偏差参数,使用自适应算法来减小输出之间的差异。对使用神经网络控制器的节气门控制系统的跟踪控制性能与使用经典自适应PID控制器进行比较。仿真结果表明:采用神经网络控制器可实现跟踪控制,满足控制性能的所有需求。 相似文献