内蒙古科技大学信息工程学院
纸质出版:2023
移动端阅览
杨立东, 赵飞焱. 基于并行胶囊网络的声学场景分类[J]. 传感器与微系统, 2023,(12):155-159.
杨立东, 赵飞焱. 基于并行胶囊网络的声学场景分类[J]. 传感器与微系统, 2023,(12):155-159. DOI: 10.13873/J.1000-9787(2023)12-0155-05.
为解决卷积神经网络(CNN)忽略音频特征之间的空间关系、丢失姿态特征和时序性特征的问题,提出了基于并行胶囊网络的声学场景分类模型,选用胶囊网络和双向门控循环单元弥补CNN的缺陷。首先,该模型通过提取音频对数梅尔能量谱特征;然后,结合各模块优点对音频特征处理;最后,根据场景特征完成分类。通过在“国际声学场景和事件检测及分类(DCASE)挑战赛2019”挑战任务1数据集下进行实验,在开发集和验证集上分别获得了71.1%和70.2%的准确率,优于基线系统的准确率,证明了该网络模型适用于声学场景分类任务。
Wind power forecasting using attention-based gated recurrent unit network[J]. Zhewen Niu;Zeyuan Yu;Wenhu Tang;Qinghua Wu;Marek Reformat.Energy,2020
A novel molecular representation with BiGRU neural networks for learning atom.[J]. Lin Xuan;Quan Zhe;Wang Zhi-Jie;Huang Huang;Zeng Xiangxiang.Briefings in bioinformatics,2019
Performance Evaluation of Deep Neural Networks Applied to Speech Recognition: RNN, LSTM and GRU[J]. Apeksha Shewalkar;Deepika Nyavanandi;Simone A. Ludwig.Journal of Artificial Intelligence and Soft Computing Research,2019
Cross-task learning for audio tagging, sound event detection spatial localization: DCASE 2019 baseline systems.[J]. Qiuqiang Kong;Yin Cao;Turab Iqbal;Yong Xu;Wenwu Wang;Mark D. Plumbley.CoRR,2019
Machine Health Monitoring Using Local Feature-Based Gated Recurrent Unit Networks[J]. Zhao Rui;Wang Dongzhe;Yan Ruqiang;Mao Kezhi;Shen Fei;Wang Jinjiang.IEEE Transactions on Industrial Electronics,2018
Acoustic Scene Classification: Classifying environments from the sounds they produce.[J]. Daniele Barchiesi;Dimitrios Giannoulis;Dan Stowell;Mark D. Plumbley.IEEE Signal Process. Mag.,2015
Long short-term memory.[J]. Hochreiter S;Schmidhuber J.Neural computation,1997(8)
基于双通路CNN的端到端语音识别研究[J]. 胡黎;黄洪全;梁超;宋悦阳;陈延明.传感器与微系统,2021(11)
复杂场景下基于复合胶囊网络的交通标志识别[J]. 陈立潮;张倩茹;曹建芳;潘理虎.计算机工程与设计,2021(09)
基于深度学习的目标检测算法综述[J]. 吴雪;宋晓茹;高嵩;陈超波.传感器与微系统,2021(02)
基于加性间距胶囊网络的家庭活动识别方法研究[J]. 郑启航;王章权;刘半藤;陈阳;陈友荣.电子学报,2020(08)
基于注意力胶囊网络的家庭活动识别[J]. 王金甲;纪绍男;崔琳;夏静;杨倩.自动化学报,2019(11)
0
浏览量
54
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621