检索结果-维普期刊中文期刊服务平台

基于神经计算机并行运算的连续语音识别: 1; 作者周旭东赵鹤鸣顾晓东《计算机工程与应用》 CSCD 北大核心 2002年第16期83-85,共3页; 人工神经网络具有强大的模式分类能力,除此之外还有一个优点即其大量的并行神经计算能力,使得以低廉的硬件开销来实现高速并行运算成为可能,这在实时模式识别中是非常重要的。文章介绍了以预言神一号小型神经计算机的并行神经运算为核... 展开更多; 关键词神经计算机并行运算连续语音识别人工神经网络; 在线阅读下载PDF 职称材料

基于语音增强失真补偿的抗噪声语音识别技术被引量：3: 2; 作者丁沛曹志刚《中文信息学报》 CSCD 北大核心 2004年第5期64-69,共6页; 本文提出了一种基于语音增强失真补偿的抗噪声语音识别算法。在前端 ,语音增强有效地抑制背景噪声 ;语音增强带来的频谱失真和剩余噪声是对语音识别不利的因素 ,其影响将通过识别阶段的并行模型合并或特征提取阶段的倒谱均值归一化得到... 展开更多; 关键词计算机应用中文信息处理语音增强倒谱均值归一化并行模型合并语音识别; 在线阅读下载PDF 职称材料

基于HTK的语音识别的并行化研究与实现被引量：1: 3; 作者刘勇进史晓东《计算机应用》 CSCD 北大核心 2009年第4期1052-1055,共4页; 详细地分析了语音识别的过程,给出了相应的算法描述,并分析了语音识别并行化的可能性。将并行计算的思想应用于语音识别的算法中,使用多线程技术,并引入避免竞争条件的机制,在多核计算机上并行地计算HMM模型节点的似然率,从而得到语音... 展开更多; 关键词多核 HTK 并行计算语音识别; 在线阅读下载PDF 职称材料

并行化语音识别系统的研究与设计被引量：2: 4; 作者王硕刘文《计算机工程与应用》 CSCD 2012年第11期71-74,共4页; 如何处理海量语音数据是语音识别应用的一个重要问题,采用并行化计算取代传统的单机处理,如果并行调度控制不当,最终合并的结果在合并顺序上就会出现错误,并且数据切分不合理还会造成语义连贯性的丢失导致准确率的降低,文件片段在网络... 展开更多; 关键词语音识别并行计算 HADOOP MAPREDUCE 静音检测; 在线阅读下载PDF 职称材料

题名基于神经计算机并行运算的连续语音识别: 1; 作者周旭东赵鹤鸣顾晓东; 机构苏州大学通信与电子工程系北京大学电子学系; 出处《计算机工程与应用》 CSCD 北大核心 2002年第16期83-85,共3页; 文摘人工神经网络具有强大的模式分类能力,除此之外还有一个优点即其大量的并行神经计算能力,使得以低廉的硬件开销来实现高速并行运算成为可能,这在实时模式识别中是非常重要的。文章介绍了以预言神一号小型神经计算机的并行神经运算为核心的连续语音的实时识别的算法,实验表明该算法有很高的实时性和较好的识别率。; 关键词神经计算机并行运算连续语音识别人工神经网络; Keywords neurocomputer,parallel computing,speech recognition; 分类号 TN912.34 [电子电信—通信与信息系统] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于语音增强失真补偿的抗噪声语音识别技术被引量：3: 2; 作者丁沛曹志刚; 机构清华大学电子工程系微波与数字通信国家重点实验室; 出处《中文信息学报》 CSCD 北大核心 2004年第5期64-69,共6页; 基金国家自然科学基金资助项目 (6 0 0 72 0 11); 文摘本文提出了一种基于语音增强失真补偿的抗噪声语音识别算法。在前端 ,语音增强有效地抑制背景噪声 ;语音增强带来的频谱失真和剩余噪声是对语音识别不利的因素 ,其影响将通过识别阶段的并行模型合并或特征提取阶段的倒谱均值归一化得到补偿。实验结果表明 ,此算法能够在非常宽的信噪比范围内显著的提高语音识别系统在噪声环境下的识别精度 ,在低信噪比情况下的效果尤其明显 ,如对 - 5dB的白噪声 ,相对于基线识别器 ,该算法可使误识率下降 6 7 4 %; 关键词计算机应用中文信息处理语音增强倒谱均值归一化并行模型合并语音识别; Keywords computer application Chinese information processing speech enhancement cepstral mean normalization parallel model combination speech recognition; 分类号 TN912.3 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于HTK的语音识别的并行化研究与实现被引量：1: 3; 作者刘勇进史晓东; 机构厦门大学计算机科学系厦门大学智能科学与技术系; 出处《计算机应用》 CSCD 北大核心 2009年第4期1052-1055,共4页; 基金国家自然科学基金资助项目(60573189) 国家863计划项目(2006AA01Z1392006AA010108-3) +1 种基金福建省重点科技项目(2006H0038) 福建省自然科学基金项目(2006J0043); 文摘详细地分析了语音识别的过程,给出了相应的算法描述,并分析了语音识别并行化的可能性。将并行计算的思想应用于语音识别的算法中,使用多线程技术,并引入避免竞争条件的机制,在多核计算机上并行地计算HMM模型节点的似然率,从而得到语音识别的并行化算法。分析了该并行化算法的性能,同时在语音识别工具包HTK 3.4上实现了这种并行化算法。基于WSJ0语料库的实验结果表明该并行化算法在不影响识别结果的前提下能够有效地提高语音识别的实时性能。; 关键词多核 HTK 并行计算语音识别; Keywords multi-core Hidden Markov Modelling Tookit （HTK） parallel computing speech recognition; 分类号 TP391.42 [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

题名并行化语音识别系统的研究与设计被引量：2: 4; 作者王硕刘文; 机构 IBM中国研究院; 出处《计算机工程与应用》 CSCD 2012年第11期71-74,共4页; 文摘如何处理海量语音数据是语音识别应用的一个重要问题,采用并行化计算取代传统的单机处理,如果并行调度控制不当,最终合并的结果在合并顺序上就会出现错误,并且数据切分不合理还会造成语义连贯性的丢失导致准确率的降低,文件片段在网络上传输的时间开销也需要考虑,针对上述问题,提出了一种基于Hadoop的语音识别系统,借助其分布式文件系统HDFS与MapReduce并行算法解决文件片段传输与并行调度控制的问题,同时引入静音检测算法合理地处理文件切分,通过实验验证了该系统的有效性。; 关键词语音识别并行计算 HADOOP MAPREDUCE 静音检测; Keywords speech recognition parallel computing Hadoop MapReduce silence detection; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料