检索结果-维普期刊中文期刊服务平台

移动终端身份认证的深度信念网络模型被引量：5: 1; 作者孙子文张义超《信息网络安全》 CSCD 北大核心 2019年第3期34-42,共9页; 文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传... 展开更多; 关键词深度信念网络模型逐层贪婪算法反向传播算法 Softmax分类器; 在线阅读下载PDF 职称材料

采用深度信念网络的语音转换方法被引量：2: 2; 作者王民黄斐 +2 位作者刘利卫铭斐王明明《计算机工程与应用》 CSCD 北大核心 2016年第15期168-171,216,共5页; 对说话人语音个性特征信息的表征和提取进行了深入研究,提出了一种基于深度信念网络(Deep Belief Nets,DBN)的语音转换方法。分别用提取出的源说话人和目标说话人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;通过人... 展开更多; 关键词语音转换语音个性特征深度信念网络模型高阶空间; 在线阅读下载PDF 职称材料

基于深度信念网络的语音服务文本分类被引量：8: 3; 作者周世超张沪寅杨冰《计算机工程与应用》 CSCD 北大核心 2016年第21期157-161,共5页; 在线人工语音服务已经在各种商业活动中展开,为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本,再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络... 展开更多; 关键词特征分类语音深度信念网络模型(DBN) 受限玻尔兹曼机(RBM); 在线阅读下载PDF 职称材料

基于CRBM算法的时间序列预测模型研究被引量：9: 4; 作者周晓莉张丰 +2 位作者杜震洪曹敏杰刘仁义《浙江大学学报（理学版）》 CAS CSCD 北大核心 2016年第4期442-451,共10页; 针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)... 展开更多; 关键词受限玻尔兹曼机 CRBM深度建模深度信念网络模型高斯分布; 在线阅读下载PDF 职称材料

深度学习框架对城市日供水量预测的研究被引量：8: 5; 作者牟天蔚蒋白懿 +1 位作者沈丹玉赵明《人民黄河》 CAS 北大核心 2018年第9期58-62,共5页; 供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行... 展开更多; 关键词深度信念网络模型深度学习框架 Symlets小波日供水量; 在线阅读下载PDF 职称材料

题名移动终端身份认证的深度信念网络模型被引量：5: 1; 作者孙子文张义超; 机构江南大学物联网工程学院物联网技术应用教育部工程研究中心; 出处《信息网络安全》 CSCD 北大核心 2019年第3期34-42,共9页; 基金国家自然科学基金[61373126] 中央高校基本科研业务费专项资金[JUSRP51510] 江苏省自然科学基金[BK20131107]; 文摘文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传播算法进行有监督微调后固定模型参数;将测试手势特征数据作为模型输入层数据,经模型计算后得到输出层数据,由Softmax分类器对输出数据分类,认证用户身份。仿真实验结果表明,与连续隐马尔可夫模型、反向传播算法相比,文中深度信念网络模型能达到较低的错误率,明显提高认证的准确性。; 关键词深度信念网络模型逐层贪婪算法反向传播算法 Softmax分类器; Keywords deep belief network model layer-by-layer greedy algorithm back propagation algorithm Softmax classifier; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名采用深度信念网络的语音转换方法被引量：2: 2; 作者王民黄斐刘利卫铭斐王明明; 机构西安建筑科技大学信息与控制工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2016年第15期168-171,216,共5页; 基金西安市碑林区2014年科技计划项目(No.GX1412); 文摘对说话人语音个性特征信息的表征和提取进行了深入研究,提出了一种基于深度信念网络(Deep Belief Nets,DBN)的语音转换方法。分别用提取出的源说话人和目标说话人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;通过人工神经网络(Artificial Neural Networks,ANN)来连接这两个高阶空间并进行特征转换;使用基于目标说话人数据训练出的DBN来对转换后的特征信息进行逆处理得到转换后语音频谱参数,合成转换语音。实验结果表明,与传统的基于GMM方法相比,该方法效果更好,转换语音音质和相似度同目标语音更接近。; 关键词语音转换语音个性特征深度信念网络模型高阶空间; Keywords voice conversion speaker characteristics deep belief networks high-order eigen spaces; 分类号 TP39 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度信念网络的语音服务文本分类被引量：8: 3; 作者周世超张沪寅杨冰; 机构武汉大学计算机学院; 出处《计算机工程与应用》 CSCD 北大核心 2016年第21期157-161,共5页; 基金高等学校博士学科点专项科研基金(No.20130141110022) 武汉市科学技术局项目(No.201302038); 文摘在线人工语音服务已经在各种商业活动中展开,为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本,再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络、支持向量机等模型,这些模型比较依赖于语音文本预处理后的特征表示,并且容易出现维数灾难、局部最优、训练时间长问题。而深度信念网络模型(DBN)可以从文本预处理后的特征表示中学习到更具有本质含义的特征表示,便于分类器分类,且避免以上模型的不足。在人工服务语音文本化后,通过深度信念网络模型转换特征表示再进行分类,最终的分类效果比上述分类模型直接利用文本的特征表示进行分类效果略微提高。; 关键词特征分类语音深度信念网络模型(DBN) 受限玻尔兹曼机(RBM); Keywords feature classification voice Deep Belief Network model(DBN) Restricted Boltzmann Machine(RBM); 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于CRBM算法的时间序列预测模型研究被引量：9: 4; 作者周晓莉张丰杜震洪曹敏杰刘仁义; 机构浙江大学浙江省资源与环境信息系统重点实验室浙江大学地球科学学院; 出处《浙江大学学报（理学版）》 CAS CSCD 北大核心 2016年第4期442-451,共10页; 基金国家自然科学基金资助项目(41471313 41101356 +4 种基金 41101371 41171321) 201305012); 文摘针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测.; 关键词受限玻尔兹曼机 CRBM深度建模深度信念网络模型高斯分布; Keywords restricted Boltzmann machines deep architecture of CRBM deep belief network model Gaussian distribution; 分类号 P208 [天文地球—地图制图学与地理信息工程]; 在线阅读下载PDF 职称材料

题名深度学习框架对城市日供水量预测的研究被引量：8: 5; 作者牟天蔚蒋白懿沈丹玉赵明; 机构沈阳建筑大学市政与环境学院哈尔滨工业大学市政与环境工程学院; 出处《人民黄河》 CAS 北大核心 2018年第9期58-62,共5页; 基金国家水体污染控制与治理科技重大专项(2014ZX07406-003); 文摘供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行训练,最后利用训练的模型进行预测。以新开河2014—2015年日供水量为训练数据,2016年1月1—7日供水量为测试数据,导入该模型进行预测。依据该测试方法对其后200 d的供水量进行预测,结果表明:该模型用于日供水量预测比深度信念网络模型及传统BP神经网络模型精度高,相对误差均小于5%,是一种有效的方式。; 关键词深度信念网络模型深度学习框架 Symlets小波日供水量; Keywords deep belief network model deep learning framework Symlets wavelet daily water supply; 分类号 TV213.4 [水利工程—水文学及水资源]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	移动终端身份认证的深度信念网络模型	孙子文张义超	《信息网络安全》 CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
2	采用深度信念网络的语音转换方法	王民黄斐刘利卫铭斐王明明	《计算机工程与应用》 CSCD 北大核心	2016	2	在线阅读下载PDF 职称材料
3	基于深度信念网络的语音服务文本分类	周世超张沪寅杨冰	《计算机工程与应用》 CSCD 北大核心	2016	8	在线阅读下载PDF 职称材料
4	基于CRBM算法的时间序列预测模型研究	周晓莉张丰杜震洪曹敏杰刘仁义	《浙江大学学报（理学版）》 CAS CSCD 北大核心	2016	9	在线阅读下载PDF 职称材料
5	深度学习框架对城市日供水量预测的研究	牟天蔚蒋白懿沈丹玉赵明	《人民黄河》 CAS 北大核心	2018	8	在线阅读下载PDF 职称材料