期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
马尔可夫决策过程和先验控制向量在弱约束自然语言生成中的应用
被引量：
3
1
作者
刘奇
马娆
俞凯
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第2期289-301,共13页
自然语言生成是目前非常重要且具有挑战性的一类人工智能任务.长短时记忆(Long Short-Term Memory,LSTM)语言模型是目前最为主流的自然语言生成模型.但是,LSTM语言模型的训练准则是词语级别的交叉熵,这会导致暴露偏差问题.此外,一般自...
自然语言生成是目前非常重要且具有挑战性的一类人工智能任务.长短时记忆(Long Short-Term Memory,LSTM)语言模型是目前最为主流的自然语言生成模型.但是,LSTM语言模型的训练准则是词语级别的交叉熵,这会导致暴露偏差问题.此外,一般自然语言生成任务的评测指标是序列级别的BLEU分数或者词错误率,这与训练使用的交叉熵准则也不匹配.在本文中,我们使用马尔可夫决策过程重定义了自然语言生成问题,并通过从训练数据中提取的先验控制向量来指导生成过程.先验控制向量可以视作是对序列空间的一种先验划分的抽象,通过在自然语言生成中引入先验控制向量,我们可以更好的约束自然语言生成的空间.再通过马尔可夫决策过程的定义,我们可以使用策略梯度算法来直接使用测试使用的BLEU分数来代替交叉熵训练LSTM网络.在多个数据集上的实验显示本文提出的方法相比于普通使用LSTM语言模型的基线系统在BLEU分数上有大约绝对2%~3%的提升.
展开更多
关键词
自然语言生成
马尔可夫决策过程
先验控制向量
策略梯度算法
深度强化学习
在线阅读
下载PDF
职称材料
小数据下的音素级别说话人嵌入的语音合成自适应方法
被引量：
13
2
作者
徐志航
陈博
+1 位作者
张辉
俞凯
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第5期1003-1017,共15页
在语音合成中,使用少量的用户录制数据进行说话人自适应一直面临着一个问题:如何在不过分降低合成声音的自然度的情况下,提高合成声音的相似度.现有的句子级别、帧级别说话人嵌入等自适应方法在合成训练集外说话人声音时会出现低相似度...
在语音合成中,使用少量的用户录制数据进行说话人自适应一直面临着一个问题:如何在不过分降低合成声音的自然度的情况下,提高合成声音的相似度.现有的句子级别、帧级别说话人嵌入等自适应方法在合成训练集外说话人声音时会出现低相似度的问题.使用少量的用户录制数据微调预训练的语音合成模型的自适应方法尽管能提升合成音频的相似度,但是也常伴随着自然度的下降.为了解决这个问题,本文提出了一种基于音素级别的说话人嵌入的语音合成自适应方法.在训练阶段,从真实的特征片段中提取音素级别的说话人嵌入,控制语音合成模型的训练.在自适应阶段,通过对说话人嵌入预测网络进行快速自适应,在推理阶段代替真实音频得到音素级别说话人嵌入帮助模型合成音频.实验使用了少量真实的用户录制数据,对现在主流的不同粒度的说话人嵌入方法进行了性能比较.实验表明,相比较各种不同的说话人嵌入方法,本文提出的方法在不更新语音合成模型的情况下保持自然度不明显下降,并取得了最好相似度;在更新语音合成模型的情况下,该方法同时达到了最好的自然度和相似度.分析发现音素级别的说话人嵌入方法在几乎不增加自适应训练时间的情况下,提供了更好的模型自适应初始点,有效地提高了自适应模型合成声音的质量.
展开更多
关键词
语音合成
说话人嵌入
时长模型
小数据
说话人自适应
在线阅读
下载PDF
职称材料
基于无标签视频数据的深度预测学习方法综述
被引量：
5
3
作者
潘敏婷
王韫博
+3 位作者
朱祥明
高思宇
龙明盛
杨小康
《电子学报》
EI
CAS
CSCD
北大核心
2022年第4期869-886,共18页
基于视频数据的深度预测学习(以下简称“深度预测学习”)属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域...
基于视频数据的深度预测学习(以下简称“深度预测学习”)属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域.深度预测学习遵从自监督学习范式,从无标签的视频数据中挖掘自身的监督信息,学习其潜在的时空模式表达.本文对基于深度学习的视频预测现有研究成果进行了详细综述.首先,归纳了深度预测学习的研究范畴和交叉应用领域.其次,总结了视频预测研究中常用的数据集和评价指标.而后,从基于观测空间的视频预测、基于状态空间的视频预测、有模型的视觉决策三个角度,分类对比了当前主流的深度预测学习模型.最后,本文分析了深度预测学习领域的热点问题,并对研究趋势进行了展望.
展开更多
关键词
深度学习
自监督学习
计算机视觉
视频预测
有模型的视觉决策
在线阅读
下载PDF
职称材料
题名
马尔可夫决策过程和先验控制向量在弱约束自然语言生成中的应用
被引量：
3
1
作者
刘奇
马娆
俞凯
机构
上海交通大学人工智能研究院人工智能教育部重点实验室
上海交通大学
计算机科学与工程系跨媒体语言
智能
实验室
新华社媒体融合生产技术与系统国家
重点
实验室
第一联合创新中心
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第2期289-301,共13页
基金
上海市市级科技重大专项(2021SHZDZX0102)
新华社媒体融合生产技术与系统国家重点实验室第一联合创新中心(SKLMCPTS2020003)资助.
文摘
自然语言生成是目前非常重要且具有挑战性的一类人工智能任务.长短时记忆(Long Short-Term Memory,LSTM)语言模型是目前最为主流的自然语言生成模型.但是,LSTM语言模型的训练准则是词语级别的交叉熵,这会导致暴露偏差问题.此外,一般自然语言生成任务的评测指标是序列级别的BLEU分数或者词错误率,这与训练使用的交叉熵准则也不匹配.在本文中,我们使用马尔可夫决策过程重定义了自然语言生成问题,并通过从训练数据中提取的先验控制向量来指导生成过程.先验控制向量可以视作是对序列空间的一种先验划分的抽象,通过在自然语言生成中引入先验控制向量,我们可以更好的约束自然语言生成的空间.再通过马尔可夫决策过程的定义,我们可以使用策略梯度算法来直接使用测试使用的BLEU分数来代替交叉熵训练LSTM网络.在多个数据集上的实验显示本文提出的方法相比于普通使用LSTM语言模型的基线系统在BLEU分数上有大约绝对2%~3%的提升.
关键词
自然语言生成
马尔可夫决策过程
先验控制向量
策略梯度算法
深度强化学习
Keywords
natural language generation
Markov decision process
prior control vector
policy gradient method
deep reinforcement learning
分类号
TP18 [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
小数据下的音素级别说话人嵌入的语音合成自适应方法
被引量：
13
2
作者
徐志航
陈博
张辉
俞凯
机构
上海交通大学人工智能研究院人工智能教育部重点实验室
上海交通大学
计算机科学与工程系跨媒体语言
智能
实验室
苏州思必驰信息科技有限公司
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第5期1003-1017,共15页
文摘
在语音合成中,使用少量的用户录制数据进行说话人自适应一直面临着一个问题:如何在不过分降低合成声音的自然度的情况下,提高合成声音的相似度.现有的句子级别、帧级别说话人嵌入等自适应方法在合成训练集外说话人声音时会出现低相似度的问题.使用少量的用户录制数据微调预训练的语音合成模型的自适应方法尽管能提升合成音频的相似度,但是也常伴随着自然度的下降.为了解决这个问题,本文提出了一种基于音素级别的说话人嵌入的语音合成自适应方法.在训练阶段,从真实的特征片段中提取音素级别的说话人嵌入,控制语音合成模型的训练.在自适应阶段,通过对说话人嵌入预测网络进行快速自适应,在推理阶段代替真实音频得到音素级别说话人嵌入帮助模型合成音频.实验使用了少量真实的用户录制数据,对现在主流的不同粒度的说话人嵌入方法进行了性能比较.实验表明,相比较各种不同的说话人嵌入方法,本文提出的方法在不更新语音合成模型的情况下保持自然度不明显下降,并取得了最好相似度;在更新语音合成模型的情况下,该方法同时达到了最好的自然度和相似度.分析发现音素级别的说话人嵌入方法在几乎不增加自适应训练时间的情况下,提供了更好的模型自适应初始点,有效地提高了自适应模型合成声音的质量.
关键词
语音合成
说话人嵌入
时长模型
小数据
说话人自适应
Keywords
text to speech
speaker embedding
duration model
small data
speaker adaptation
分类号
TP391 [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
基于无标签视频数据的深度预测学习方法综述
被引量：
5
3
作者
潘敏婷
王韫博
朱祥明
高思宇
龙明盛
杨小康
机构
上海交通大学
人工智能
研究院
、
人工智能
教育部
重点
实验室
清华
大学
软件学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第4期869-886,共18页
基金
国家自然科学基金(No.62106144,No.U19B2035)
上海市科技重大专项(No.2021SHZDZX0102)
上海市青年科技英才扬帆计划(No.21Z510202133)。
文摘
基于视频数据的深度预测学习(以下简称“深度预测学习”)属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域.深度预测学习遵从自监督学习范式,从无标签的视频数据中挖掘自身的监督信息,学习其潜在的时空模式表达.本文对基于深度学习的视频预测现有研究成果进行了详细综述.首先,归纳了深度预测学习的研究范畴和交叉应用领域.其次,总结了视频预测研究中常用的数据集和评价指标.而后,从基于观测空间的视频预测、基于状态空间的视频预测、有模型的视觉决策三个角度,分类对比了当前主流的深度预测学习模型.最后,本文分析了深度预测学习领域的热点问题,并对研究趋势进行了展望.
关键词
深度学习
自监督学习
计算机视觉
视频预测
有模型的视觉决策
Keywords
deep learning
self-supervised learning
computer vision
video prediction
model-based visual planning
分类号
TP389.1 [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
作者
出处
发文年
被引量
操作
1
马尔可夫决策过程和先验控制向量在弱约束自然语言生成中的应用
刘奇
马娆
俞凯
《计算机学报》
EI
CAS
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
小数据下的音素级别说话人嵌入的语音合成自适应方法
徐志航
陈博
张辉
俞凯
《计算机学报》
EI
CAS
CSCD
北大核心
2022
13
在线阅读
下载PDF
职称材料
3
基于无标签视频数据的深度预测学习方法综述
潘敏婷
王韫博
朱祥明
高思宇
龙明盛
杨小康
《电子学报》
EI
CAS
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
