基于注意力机制和卷积神经网络的语音抑郁症识别方法.pdf
是来****文章
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于注意力机制和卷积神经网络的语音抑郁症识别方法.pdf
本发明涉及一种基于注意力机制和卷积神经网络的语音抑郁症识别方法。本发明首先对语音数据进行预处理,对较长的语音数据进行分割,依据的是分割后的片段能够充分包含抑郁症相关的特征。然后对分割后每个片段提取梅尔频谱图,调整其输入到神经网络模型的频谱图尺寸大小,以便模型的训练。之后用预训练好的Alexnet深度卷积神经网络进行权值的微调,提取梅尔频谱图中更高级的语音特征。然后用注意力机制算法,对片段级语音特征进行权重调整,得到句级的语音特征。最后对句级语音特征用SVM分类模型进行抑郁症的分类。本发明方法考虑了和抑郁症
基于注意力机制卷积神经网络钢琴乐谱难度识别方法.pdf
本发明属于音乐信息检索领域,为从众多信息中选择出对当前任务目标更关键的信息,充分使用源数据集中包含的所有信息,以提高分类准确率,为钢琴教学和学生学习,提供可靠的钢琴难度信息,同时也大大提高乐谱网站的用户体验。为此,本发明,基于注意力机制卷积神经网络钢琴乐谱难度识别方法,搭建并训练基于注意机制的改进卷积神经网络模型,在训练过程中,将n个不同难度等级的MIDI乐谱文件当做神经网络的n个通道输入到网络模型中进行训练,以便融合不同难度等级数据集的多个特征,进行准确率更高的难度分类,利用训练好的网络模型进行钢琴乐谱
一种基于注意力机制和卷积神经网络的单通道语音增强方法.pdf
本发明公开了一种基于注意力机制和卷积神经网络的单通道语音增强方法,包括训练阶段和增强阶段:训练阶段:首先将噪声与纯净语音合成带噪语音,接着对带噪语音进行特征提取,然后将纯净语音与特征提取后的带噪语音一并送入神经网络模型中学习带噪语音和纯净语音之间的映射关系,训练阶段结束后,将训练好的模型保存下来;增强阶段:首先对带噪语音进行特征提取,然后送入训练好的模型中进行语音增强,最后输出增强后的语音。本发明的基于注意力机制和卷积神经网络的单通道语音增强方法可直接在时域上对带噪语音进行增强,不但可以节省傅里叶变换的计
基于序列注意力机制的卷积神经网络异常检测.pdf
第51卷第2期郑州大学学报(理学版)Vol.51No.2()2019年6月J.ZhengzhouUniv.Nat.Sci.Ed.Jun.2019基于序列注意力机
基于序列注意力机制的卷积神经网络异常检测.pdf
第51卷第2期郑州大学学报(理学版)Vol.51No.2()2019年6月J.ZhengzhouUniv.Nat.Sci.Ed.Jun.2019基于序列注意力机