结合Conformer与N-gram的中文语音识别

Transformer模型对输入序列中重要的信息进行学习, 相比传统的ASR (automatic speech recognition)模型提升了准确性. Conformer模型在Transformer的编码器中加入卷积模块, 增加了获取细微局部信息的能力, 进一步提高了模型性能. 本文结合使用Conformer模型和N-gram语言模型(language model , LM)用于中文语音识别, 获得了良好的识别效果. 在数据集AISHELL-1和aidatatang_200zh上的实验表明, 使用Conformer模型字错率分别可降低到5.79%和5.60%, 较Transformer模型降低了5.82%和2.71%. 结合N-gram语言模型后字错率分别可降低到4.86%和5.10%达到最佳性能, 实时率(real time factor , RTF)达到0.14566. 测试信噪比降低为20 dB时模型字错率才明显下降到8.58%, 表明该模型具有一定的抗噪能力.     

混合CTC/Attention模型在普通话识别中的应用

基于链接时序分类（Connectionist Temporal Classification,CTC）的端到端语音识别模型具有结构简单且能自动对齐的优点,但识别准确率有待进一步提高。本文引入注意力机制（Attention）构成混合CTC/Attention端到端模型,采用多任务学习方式,充分发挥CTC的对齐优势和Attention机制的上下文建模优势。实验结果表明,当选取80维FBank特征和3维pitch特征作为声学特征,选择VGG-双向长短时记忆网络（VGG-Bidirectional long short-time memory,VGG-BiLSTM）作为编码器应用于中文普通话识别时,该模型与基于CTC的端到端模型相比,字错误率下降约6.1%,外接语言模型后,字错误率进一步下降0.3%;与传统基线模型相比,字错误率也有大幅度下降。     

功率控制和多用户检测在WCDMA系统中的联合应用

功率控制技术是WCDMA系统中克服“远近效应”、降低多址干扰（MAI）、保证链路质量、提高系统容量的关键技术。多用户检测技术是消除MAI的有效手段。本文分析两种技术的工作原理，指出二者之间的关系，探讨在WCDMA应用中结合使用两种技术的可行性和方法。     

基于Attention机制的BiLSTM诈骗电话识别

电话诈骗日益猖獗, 严重影响人民的生命和财产安全, 如何有效防范电话诈骗已成为社会的一大焦点问题.本文提出一种基于Attention-BiLSTM模型的诈骗电话识别方法. 该方法以电话文本为数据集, 采用双向长短时记忆神经网络(bi-directional long short-term memory)模型提取句子的长...     

结合滤波器选择和相位信息的统计纹理图像检索

为了在复变换域利用方向和相位信息有效地改善图像检索的性能,基于金字塔双树方向滤波器组(PDTDFB),提出一种结合滤波器选择和相对相位的统计纹理图像检索方法.将复方向子带幅值系数进行统计建模,并通过改进的最大似然估计方法确定其分布参数.基于一种混合建模的检索方法,将所设计的四种钻石状滤波器的性能通过对VisTex和Brodatz纹理库的检索结果进行比较.结合相对相位特征的互补性进行纹理图像的检索.实验结果表明,所提出的方法有效地提高了纹理图像的平均检索率.     

基于PCA和广义高斯建模的多聚焦图像融合

为了提高多聚焦图像的融合性能,针对统计图像融合方法中像素间融合参数估计的不足,提出一种基于小波变换域主成分分析（PCA）和广义高斯建模的多聚焦图像融合方法。将高频子带系数建模为广义高斯分布,并通过改进的最大似然估计法获取融合参数。结合低频子带系数的区域PCA融合方法,最终实现有效的图像融合。实验结果表明,该方法与传统的多聚焦图像融合方法相比,可使融合图像的信息量更丰富,具有更佳的视觉效果。     

融合自注意力机制的诈骗电话分类模型

提出一种基于融合自注意力机制和卷积神经网络的诈骗电话识别模型CNN-SA(CNN-Self Attention Mechanism),采用卷积神经网络捕捉序列的局部特征,自注意力机制为每个单词分配一个权重,进一步获取句子的内部依赖关系,提高分类准确率。在电话文本数据集上的实验结果表明,所提模型的准确率可达92%,与单一的TextCNN模型相比,在精确率、召回率、F1值指标上分别有1.52%、1.75%、1.77%的提升。     

结合降噪自编码与极限学习机的LTE上行干扰分析

针对长期演进LTE网络上行干扰分类模型中噪声敏感、训练时间长的问题,建立了结合堆栈降噪自编码器与极限学习机的LTE网络上行干扰分析模型。使用上行干扰原始数据无监督地预训练堆栈降噪自编码(SDAE)提取高层抽象特征,并为极限学习机(ELM)分类器提供初始参数。该模型发挥了ELM收敛快和SDAE抑制噪声的优势,同时克服了ELM参数随机赋值造成的鲁棒性不足的问题。实验结果表明,该模型提高了LTE网络上行干扰分析的效率,并具有较强的鲁棒性。     

基于NLP的政企类文本智能分类的实现与应用

本文基于深度学习框架及自然语言处理,将政企类文本智能分类过程中的文本预处理、模型构建、分类效果比较等环节进行了实现与分析。自然语言处理是文本分类的有效手段,在所有的文本分类语境中,政企类文本因其文本较长、类别较多、文本质量不一等特点,在文本分类中取得的效果一般。而随着政务服务水平的提高以及对信息化、智能化的要求逐渐提高,政企类文本智能分类的实现变得更加重要。在实验过程中,本文采用了DNN、CNN、LSTM、BERT等模型进行实验处理,经过比较以及模型优化,最终取得了较优的结果,并分析了其在实际工程项目中的具体应用场景。     

基于改进光流场模型的脑部多模医学图像配准

 基于光流场模型的配准其常亮假设的光流场约束要求待配准的源图像和目标图像具有一致的灰度,因而只适用于单模态图像之间的配准,为此使用基于排序的精确直方图规定化对脑部MR-PD图像进行模态变换,完成与MR-T2图像之间的灰度映射.由于此配准方法主要用来寻找时间序列图像中的细小形变,当待配准的两图像差异较大时就不能取得满意的配准效果,为此使用能反映图像结构的标记点构造附加的外力对光流场模型加以改进,以获得更理想的配准参数.实验证明,本文方法能够实现具有较大差异的脑部MR多模序列图像之间的准确配准.