排序方式: 共有3条查询结果,搜索用时 31 毫秒
1
1.
将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2%的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍. 相似文献
2.
基于飞机总体设计阶段的参数对全任务航程内燃油消耗及废气排放进行计算,并估算飞机环保性能,以期为总体设计阶段飞机构型筛选提供一定的环保性能准则.飞机全任务航程被分为起飞着陆及巡航两个阶段;利用神经网络对飞机起飞着陆阶段的燃油消耗及废气排放进行估计,并基于此计算飞机全任务航程内的燃油消耗及废气排放,并且提出废气排放因子,对飞机的环保性能进行初步评估. 相似文献
3.
1