基于卷积神经网络的连续语音识别

在语音识别中,卷积神经网络( convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络( deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸。本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比。在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强。     

火车主题餐厅的市场认可度调查分析

主题餐厅因其独特的用餐环境而备受关注,并日益成为一种新型的经营形态。但就目前已存在的主题餐厅而言,普遍存在着主题不明显、主题缺乏市场认可度、价位较高、过于注重主题文化而忽视了菜色口味等问题,因此,必须对这些方面加以改进。     

中英双语混合语音识别研究

介绍了针对歌曲检索中出现的中英混合现象所开发的中英双语识别系统。在双语混合语音识别中,主要面临的2个问题：①在保证双语识别率的前提下控制系统的复杂度;②有效处理插入语中原用语引起的非母语口音现象。为了解决双语混合现象以及减少统计建模所需的数据量,通过音素混合聚类方法建立起一个统一的双语识别系统。在聚类算法中,提出了一种新型基于混淆矩阵的两遍音素聚类算法（TCM）,并将该方法与基于声学似然度准则的聚类方法进行了比较。实验结果表明：利用TCM进行音素聚类的识别性能优于基于声学似然度音素聚类的性能,最终得到的中英双语识别系统在纯英文测试集上的短语错误率（PER）相对基线单英文识别系统下降7.19%;在双语混合测试集上PER相对基线混合模型下降13.78%;同时在纯中文测试集上保持了基线单中文识别系统的性能。     

电话交谈语音识别中基于 LSTM-DNN 语言模型的重评估方法研究

近年来,神经网络语言模型的研究越来越受到学术界的广泛关注.基于长短期记忆(long short-term memory,LSTM)结构的深度神经网络(LSTM-deep neural network,LSTM-DNN)语言模型成为当前的研究热点.在电话交谈语音识别系统中,语料本身具有一定的上下文相关性,而传统的语言模型对历史信息记忆能力有限,无法充分学习语料的相关性.针对这一问题,基于LSTM-DNN语言模型在充分学习电话交谈语料相关性的基础上,将其应用于语音识别系统的重评估过程,并将这一方法与基于高元语言模型、前向神经网络(feed forward neural network,FFNN)以及递归神经网络(recurrent neural network,RNN)语言模型的重评估方法进行对比.实验结果表明,LSTM-DNN语言模型在重评估方法中具有最优性能,与一遍解码结果相比,在中文测试集上字错误率平均下降4.1％.     

深度神经网络技术在汉语语音识别声学建模中的优化策略

将深度神经网络作为声学模型引入面向汉语电话自然口语交谈语音识别系统。针对自然口语中识别字错误率较高的问题,从语音的声学特征类型选择、模型训练时元参数调节以及改善模型泛化能力等方面出发,对基于深度神经网络的声学模型建模技术进行了一系列的优化。针对训练样本中状态先验概率分布稀疏的情况,提出了一种状态先验概率平滑算法,在一定程度上缓解了这种数据稀疏问题,经平滑后,字错误率下降超过1%。在所采用的3个电话自然口语交谈测试集上,相对于优化前的深度神经网络模型,经过优化后的模型取得了性能的一致提升,字错误率平均相对降低15%。实验结果表明,所采用优化策略可以有效地改善深度神经网络声学模型性能。     

α-环糊精与二甲氨基查尔酮之间分子识别作用的紫外可见吸收光谱研究

采用紫外可见吸收光谱对α-环糊精(α-CD)与二甲氨基查尔酮之间的分子识别作用进行了研究。结果表明,α-CD与二甲氨基查尔酮基团之间通过分子识别作用形成1∶1的包结物,分别以吸光度和特征波长的变化确定α-CD与4-羟基-4’-二甲氨基查尔酮包结物的结合常数Ka分别为1.1×105M-1和8.5×103M-1,通过特征波长获得α-CD和端基含二甲氨基查尔酮的聚N-异丙基丙烯酰胺聚合物的结合常数Ka为4.2×103M-1。     

水环境中营养盐磷在生物膜上吸附热力学研究

营养盐磷是浮游藻类生长繁殖乃至水体发生富营养化的最重要的限制性元素之一,受到水环境中生物膜的强烈吸附作用,探究生物膜对磷的吸附特性对水环境治理有着重要意义.采集天然水体中的生物膜吸附不同初始浓度的正磷酸盐溶液,并分析了多种环境因素对吸附作用的影响,研究了天然水体生物膜吸附磷的热力学特征,获得了多种环境因素影响下的吸附等温线.研究结果表明,天然水体生物膜吸附磷的热力学特征符合Langmuir模型;温度和振荡速率能显著影响生物膜对磷的吸附作用,25~30℃为最佳吸附温度,振荡速率越大,饱和平衡吸附量越大;pH对吸附的影响主要表现为在碱性条件下天然水体中生成的絮状体的间接作用;磷负荷是影响平衡吸附率和单位干质量生物膜平衡吸附量的主要因素,磷的总质量和生物膜的总用量是影响总吸附量的主要因素.     

社会经济中大数据"测不准"问题的研究新进展

大数据为社会经济预测提供了更丰富的数据来源和维度,但是也带来伪回归、过度拟合等预测风险,使得实际应用中“测不准”问题频繁出现。本文系统梳理“测不准”问题的定义和内涵,总结社会经济领域中“测不准”问题的形成机理,发现其主要原因是预测对象会受到预测结果的影响而改变行为决策,最新文献尝试从去噪和因果分析等角度解决这一问题。最后本文在此基础上提出一个新的大数据预测理论框架,并对未来研究进行展望。     

纤维特征参数对HES-HDC单轴拉伸性能的影响及拉伸韧性评价方法

为探究高早强高延性混凝土（HES-HDC）在不同PE纤维直径与体积率下的单轴拉伸力学性能,设计了17组薄板试件进行单轴拉伸试验,研究PE纤维直径（22?μm和25?μm）及体积率（1.00%、1.25%和1.50%）对不同龄期（2?h、24?h、7?d、28?d和56?d）HES-HDC应力-应变曲线、拉伸强度和应变的影响;根据试验结果提出了HDC拉伸韧性评价方法. 结果表明：在拉伸荷载作用下,HES-HDC应力-应变曲线展示出应变强化特性,破坏过程呈多裂缝开展;2? h龄期时,HES-HDC拉伸强度与应变达到3.29 MPa和0.88%以上;28?d时,HES-HDC拉伸应变可保持在1.28%以上;当纤维体积率为1.00%时,小直径纤维对试件拉伸应变有利,而大直径纤维对试件拉伸强度有利;综合大直径纤维试件拉伸强度与应变,纤维最佳体积率为1.25%. 提出的拉伸韧性评价方法可评价HDC薄板受拉全过程的韧性. 随龄期的增长,HES-HDC拉伸韧性指数降低,而拉伸强度系数提高;小直径纤维试件的拉伸韧性高于大直径纤维试件;纤维体积率为1.25%时试件拉伸韧性最大.     

基于果熟期夜间降温改善果品品质的果园物联网设计

综合采用多种传感器、嵌入式系统、LoRa、计算机技术设计实现了果园物联网系统,满足一般的果园环境参数采集监测和智能灌溉,实现了果品品质改善功能,即在6—8月果熟期的夜间特定时间段弥撒16℃低温水雾,降低果园夜间的环境温度,减弱果树的呼吸作用,促进水果有机物积累和糖分转换,并在合作桃园进行了验证试验.试验表明:当日温度为37℃～28℃的情况下,将果园夜间温度降低到17℃,昼夜温差达20℃,降温效果显著.