基于改进对比散度的GRBM语音识别

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。     

Matlab Coder生成C代码的研究与应用

借助Matlab Coder可以缩短软件开发从方案到实现的时间,加速软件开发。本文提出一种方法:利用Matlab 2012a的Matlab Coder代码生成工具箱,将Matlab经典图像处理代码转换成高效、可移植的C代码静态库文件,成功移植到ARM9开发系统下运行。对比实验表明,用本文提出的方法生成的软件代码,在嵌入式目标系统中运行状况良好,其易维护性和执行效率等方面也优于手工编写的代码,实现了嵌入式系统软件代码的快速生成。     

基于改进的卷积神经网络的中文情感分类

探究了基于卷积神经网络的句子级别的中文文本情感分类,模型以文本经过预处理后得到的词向量作为输入。传统的卷积神经网络是由线性卷积层、池化层和全连接层堆叠起来的,提出以跨通道卷积层替代传统线性卷积滤波器,对基本的卷积神经网络进行改进,提高网络的表达能力。实验表明,改进后的卷积神经网络在保证训练速度的情况下,识别率达到91.89%,优于传统的卷积神经网络,有较好的识别能力。     

单片机掉电预警,复位识别监控电路

本监控电路能有效地对掉电作出预警并自动为CPU提供后备供电,以便CPU有充裕时间作掉电前的紧急处理;作为抗干扰的措施,对上电复位、手动复位和看门狗超时复位这三种情况作出识别,根据不同的复位情况作不同的初始化处理。一、硬件设计 1.掉电保护对于一个安全、可靠的系统,当电源故障引起掉电时,要作出预警,保护现场的重要数据,保证在掉电后再上电时恢     

超声波测距自动定位系统的制作

超声测距自动定位系统具有结构简单,价格平宜,体积小,易于实时控制的优点,在测量精度和定位精度等方面能够达到工业应用的要求,应用日益广泛。由于单片机应用的迅速推广,自动化控制技术正以前所未有的速度发展,在各方面得到了广泛的应用。可移动智能机器人是世界各国开发的热点,也是工业自动化控制的重点研究课题,在各个领域正发挥着越来越重要的作用。本文所介绍的超声测距自动定位系统,能够通过超声测     

基于ARM-LINUX平台的障碍物识别系统的设计

为满足移动机器人系统中对环境物体定位的需要,在ARM—LINUX平台上,设计了障碍物形状识别系统．根据超声波测距原理,设计了“一发三收”式的超声波探测装置,利用数字示波器采集不同形状障碍物的超声波回波数据．通过比较分析,可分辨出障碍物的边角形状,并通过大量实验来验证系统的有效性．     

基于变尺度全局搜索的运动目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出一种基于变尺度全局搜索的运动目标跟踪算法。首先对于没有发生严重遮挡运动目标,采用MS算法实现目标跟踪,然后当目标受到严重遮挡时,通过全局搜索策略缩小搜索窗尺度,逐渐逼近跟踪目标,实现对目标准确跟踪,最后采用多个实验对算法的性能仿真测试。仿真结果表明,相对其它的目标跟踪算法,本文算法不仅提高了运动目标的跟踪精度,而且加快运动目标跟踪速度,尤其对于严重遮挡目标跟踪问题,具有十分明显的优势,具有较强的鲁棒性。     

改进的人工蜂群算法在神经网络中的应用

人工蜂群算法是模拟蜜蜂采蜜行为而提出的一种新的启发式仿生算法,属于典型的群体智能算法。提出了一种改进的人工蜂群算法,并利用改进后的人工蜂群算法来优化传统BP算法（神经网络算法中的误差方向传播算法）中网络参数的权值。实验结果证明该优化算法提高了BP神经网络收敛解的精度,加快了BP神经网络收敛速度。     

改进的萤火虫算法在神经网络中的应用

基本萤火虫算法存在容易陷入局部最优及收敛速度低的问题,提出了一种改进进化机制的萤火虫算法（IEMFA）。在群体进化过程中赋予萤火虫改进的位置移动策略,并利用改进后的萤火虫算法来优化传统BP神经网络的网络参数。测试结果表明,基于改进萤火虫算法的BP神经网络具有更好的收敛速度和精度。     

基于并行回火改进的GRBM的语音识别

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。