从英语语调与汉语声调对比中看对外汉语声调教学

英语母语汉语学习者学习汉语时普遍存在＂洋腔洋调＂的现象。究其根本原因是受到母语语调的负迁移作用。本文通过对比英语语调与汉语声调的在调值,音高变化位置以及音高组合变化的差异,分析英语母语汉语学习者出现声调偏误的类型,最后对英语母语汉语学习进行对外汉语声调教学提出几点建议。     

零汉语经验英语母语者汉语声调感知的判别分析研究

运用AX判别分析任务的方法,考察了零汉语学习经验的英语母语者在进行汉语声调辨别任务时的正确度和反应时间。结果表明：总体上被试汉语声调感知正确率较高,女性被试的感知正确率高于男性,男女被试均显现了阳平—上声、阴平—去声、阳平—去声最难区分,阴平—阴平、阴平—上声、上声—上声最易区分,其余声调对子的区分难度处于上述两类之间的感知难度等级。实验结果同时显示,反应时间与判断正确率基本成反比关系。实验结果还表明,其他因素例如声母、韵腹、韵尾等对于汉语声调的感知无明显影响。     

论对外汉语语言教学中“声调“的纠偏

对外汉语“声调”纠偏，是语方教学中必不可少的内空。对于日本和韩国留学生来说，他们最大的问题是汉语四声中的第二和第三声的发音。分析他们的情况，从静态声调训练、动态２声调训练及语流声调的纠偏三方面加以分析。以列表方式阐述了静态声调练习结果、动态声调练习结果以及语流流语段声调练习结果，探究日韩留学生语音纠偏的方法和规律，以便在语言教学中更好地帮助留学生克服“声调”的困扰，学好汉语普通话标准音。     

中国英语学习者列举并列成分语调的实验语音学研究

英语语调的学习一向是英语学习者面临的一大难点,学习者很难真正像英语为母语者那样生成自然的英语语调,其间夹杂着许多汉语声调以及汉语语调特点。本文以列举并列成分的语调为例,通过语音学实验的手段对以英语为母语的外国人和中国英语学习者列举并列成分的语调进行对比分析,以期发现中国英语学习者在英语语调方面的不足之处,帮助其更自然地掌握英语语调。     

汉语耳语音库的建立与听觉实验研究

耳语音的识别和转换是个全新的课题,可应用于公共场合下的通讯和公安司法工作的某些特殊需要等方面.首先建立了一个包含1172个字和98个近音词的单人女声的汉语耳语音库.通过对两个听觉测试实验数据的统计分析,研究了人耳对汉语耳语音字和近音词声调的辨认率特征,得出人耳对孤立字四个声调的辨认率由高到低的排序为三声>四声>二声>一声.同时也得出人耳对词声调的辨认能力比字要强得多.幅值包络和音长这两个特征参量能够反映出汉语耳语音声调的特性,基于此参数对汉语耳语音字进行声调识别实验,其声调识别率已达到了人耳的平均辨认率,为连续耳语音声调识别研究打下了基础.     

新疆民族地区小学生汉语普通话声调感知和发音分析

通过听觉感知和发声的现场实验调查和录音分析,考察了新疆民族地区小学生汉语普通话声调习得的特点和主要问题。实验结果表明:在听觉感知上,阴平和阳平、阳平和上声容易混淆;阴平和上声、上声和去声听辨率最好;在发声上,声调调域而非调形是习得的主要问题,即四声相对调域较为狭窄,表现为高降调降不下来,中升调升不上去,高平调下移到中调域内。此外,地域、经济、性别、民族、年龄、学校教学资源以及母语等因素均不同程度地影响该民族地区小学生汉语普通话的语音习得。汉语普通话语音习得过程是一个具有一定习得规律的动态发展过程。     

基于最小二乘法的汉语声调判决

本文基于统计学中最小二乘法,提出了一种新的声调特征.在语音识别中用其进行汉语声调识别,具有准确度高,容错性强等特点.     

汉语字音与英语音节对比

拼读出汉语字、英语词,汉语必须有声母、韵母、声调,英语要求元音、辅音、重音(少数词除外)。现代汉语对音节的认识存在分歧,即声调是或不是音节的组成部分。而汉语传统音韵学把声母、韵母、声调称为字音是不容置疑的,那么可以对比汉语字音和英语音节。     

对维吾尔族学生汉语普通话语调的产出实验分析

采用实验语音学的方法对来自新疆南疆的维吾尔族(以下简称维族)学生产出的汉语普通话的语调曲线进行了分析,实验结果显示在将汉语的四个声调都产出为第四声的基础上,维族学生能够产出较好的语调曲线。对维族学生产出的汉语声调和语调的研究,为无声调语言民族学习声调语言提供了帮助,为二语习得研究提供科学依据。     

英汉声调语调比较研究

英语是语调语言，语调是表达意的重要手段；汉语是声调语言，不同单音节的声调可以区别不同的字义。本文通过分析对比英汉声调、语调的异同，论证英语语音研究、教学中“以调带音”的重要性。     

基于改进SOFM网络的调制方式的自动识别

提出了应用改进的自组织特征映射神经网络自动识别信道调制方式的方法．首先，提取信号特征矢量；然后对网络的输出结构进行优化，引入反馈策略，并采用自组织分析方法，对训练后的节点进行动态聚类．最后，利用训练好的网络对加载不同噪声的调制信号进行识别．仿真结果表明，该识别法识别率高于传统的决策论法的识别率，平均值高3．2个百分点左右．     

基于自组织映射网络的模式分类器对储产层自动分类方法研究

文章提出了一种储产层识别及预测方法，该方法利用了神经网络中的自组织特征映射网络，它是由无人管理训练而得到的。当该网络被用作储产层的模式分类器时，它需要进行有导师指导的训练，这个模型就变为储产层的模式分类器。     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.     

SOM-BP神经网络在食品机械机构优化设计中的应用

论述了神经网络算法对食品机械机构优化设计的适用性.以自组织特征映射网络SOM和误差反向传播网络BP为理论基础,将SOM-BP集成神经网络模型应用于食品机械的机构优化设计领域,建立食品机械四杆机构优化目标函数模型,通过集成网络训练,得到优化设计结果.     

基于小波神经网络的轴承未知异常诊断

针对滚动轴承振动信号复杂,故障类型难以预知的问题,提出基于小波-神经网络技术的滚动轴承未知异常诊断的新方法.利用小波包对滚动轴承振动信号进行分解与重构,获得振动信号的突变信息,提取与滚动轴承故障相关的特征信息,将其作为特征向量输入自组织特征映射(Self-Organizing Feature Maps,SOFM)神经网络,对其进行自动分类识别,根据数据映射位置,可实现对滚动轴承未知异常的诊断,并为专家系统知识的自动获取提供了一条新途径.通过对仿真结果的分析,证实这种诊断方法的可行性.     

降噪分层映射算法在多维聚类分析中的优化研究

为了在多维聚类分析中运用有效的深度特征选择方法排除冗余和无关的特征属性,学习数据元素的非线性关系提取最佳特征,提出一种降噪分层映射算法(DHM).首先,基于降噪自动编码器构建非循环神经网络,容错数据经过隐藏层加权和激活函数的训练获取输入数据的非线性关系得到特征空间,实现特征重构选取最佳特征.其次,特征空间用于调整自组织特征映射神经网,通过计算最小化加权平方欧式距离寻找匹配的获胜神经元.最后,结合特征选择网络和无监督聚类网络为降噪分层映射神经网,通过整体模型迭代训练,使权重参数和偏差向量同时得到优化,实现有效的无监督聚类方案.在真实数据集上的实验结果表明,同AESOM,DCSOM和S-SOM算法相比,DHM算法在提高聚类质量及准确性方面有更好的表现.     

山西普通话的语音特征

本文以山西普通话为考察对象,选取山西长治、临汾、吕梁、太原4个子方言点,经过听辨、切分及整理,从声、韵、调3方面总结出各方言点普通话的语音偏误类型,并绘制声韵母的共振峰模式图及声调的调形曲线图,分析各方言点普通话与标准普通话间的语音差异,归纳出山西地区普通话的语音概貌。通过分析山西普通话的声学特征,希望能为普通话教学和普通话水平客观测试提供有益的声学参数。     

Vibration Feature Fusion for State Evaluation of Machinery

To overcome the problem that a single feature can not reflect the state of machinery in different stages,a method of vibration feature fusion based on self-organizing map(SOM) is presented.Minimum quantization error(MQE) is obtained unsupervised based on SOM network.And trend information of the MQE curve is extracted by the wavelet packet to enhance state differentiating.Experimental flat is designed for bearing accelerating fatigue.And experimental results show that the method of vibration feature fusion based on SOM can reflect the state of machinery in different stages effectively.     

神经网络TSP问题仿真分析

描述了Hopfield神经网络和自组织特征映射神经网络解决TSP问题时的求解过程和仿真算法.通过对两种算法的仿真比较,得出以下结论:对于较大规模的TSP问题,SOFM模型的寻优结果要优于HNN模型寻优结果;HNN对网络模型参数和初始条件具有很强的依赖性且调整参数组合非常困难,而SOFM的参数设置和调整相对要简单得多;SOFM算法对待解决问题的拓扑分布不敏感,而HNN算法的收敛性对待求解问题的自身分布有很强的依赖性;当待求解问题的数目增大时,SOFM算法的运算时间增加缓慢,而HNN算法的运算时间增加较快.因此,在解决TSP问题时,自组织特征映射神经网络比Hopfield神经网络的效率高,随着问题规模的增大,其优势更为明显.