基于权重比例分配的码书映射语音转换算法

针对传统的基于码书映射的语音转换算法转换语音与目标语音相似度不高的问题,提出一种新的基于权重比例分配的码书映射语音转换方法。在训练阶段,通过设置不同权重阈值将码书权重矩阵稀疏化,分析大于阈值的码书权重值对转换语音影响的大小,根据不同权重值对转换语音的影响比例不同这一特点,训练码书权重的映射关系。在转换阶段,利用训练阶段得到的映射关系,将源码书权重映射得到目标码书权重,利用该权重和目标码书合成转换语音。对传统算法和本文算法进行仿真对比实验,从主观和客观两方面进行测试。实验结果表明,基于权重比例分配的码书映射的语音转换算法不仅可以有效地改善转换语音的音质,同时也大大提高了转换语音与目标语音的个性特征的相似度。     

基于互信息自编码和变分路由的胶囊网络结构优化

胶囊网络是一类有别于卷积神经网络的新型网络模型。该文尝试提高其泛化性和精准性:首先，利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题。通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊，并利用变分法求取近似分布，避免了参数最大似然点估计的误差，用置信度评估来获得泛化性能的提高；其次，考虑到实际数据大多无标签或者标注困难，构建互信息评价标准的胶囊自编码器，实现特征参数的有效筛选。即通过引入局部编码器，只保留胶囊中对原始输入识别最有效的特征，在减轻网络负担的同时提高了其分类识别的精准性。该文的方法在MNIST, FashionMNIST, CIFAR-10和CIFAR-100等数据集上进行了对比测试，实验结果表明:该文方法对比经典胶囊网络，其性能得到显著改善。     

基于互信息自编码和变分路由的胶囊网络结构优化

胶囊网络是一类有别于卷积神经网络的新型网络模型.该文尝试提高其泛化性和精准性:首先,利用变分路由来缓解经典路由对先验信息依赖性强、易导致模型过拟合的问题.通过使用高斯混合模型(GMM)来拟合低级矩阵胶囊,并利用变分法求取近似分布,避免了参数最大似然点估计的误差,用置信度评估来获得泛化性能的提高;其次,考虑到实际数据大多无标签或者标注困难,构建互信息评价标准的胶囊自编码器,实现特征参数的有效筛选.即通过引入局部编码器,只保留胶囊中对原始输入识别最有效的特征,在减轻网络负担的同时提高了其分类识别的精准性.该文的方法在MNIST,FashionMNIST,CIFAR-10和CIFAR-100等数据集上进行了对比测试,实验结果表明:该文方法对比经典胶囊网络,其性能得到显著改善.     

问答系统命名实体识别改进方法研究

问答系统是一种以准确且自然的语言来回答用户提问的系统。本文对其中涉及的“命名实体识别”这一环节尝试了一些改进措施：1.针对传统单向模板匹配耗时耗力的问题，提出一种双向格子结构的长短时记忆网络（Lattice Bi-LSTM），解决了命名实体识别中对句子处理不当和对分词结果具有依赖性两大问题，且与单向结构相比，双向结构能更好地利用句子信息，使输出结果更具鲁棒性，从而更准确地捕获语义信息。2.针对传统方法未考虑实体间相似度的非线性耦合性问题，提出一种利用周期性核函数准确地将“相似”的实体链接到知识库中去的方法。对提出的两个改进方法进行了实验验证，其结果表明：所用方法与经典方法相比，具有显著改进效果。     

基于音频水印技术的二值图像嵌入算法的研究

论文提出了一种新颖的、利用音频水印技术将一幅数字图像嵌入音乐中的算法。该算法在保持载体音乐音质基本无损的条件下,实现了图像完好地嵌入和提取。该算法的核心思想是利用音频水印技术的特性来实现上述目标,其中具体用到了音频的自动分段技术和倒谱分析技术。实验结果表明,该算法具有较好的透明性,能够成功地提取出嵌入的图像水印信息;同时,对M P3压缩、低通滤波、白噪声等同步攻击有较强的鲁棒性。