检索结果

Select

1. 基于双向长短时记忆联结时序分类和加权有限状态转换器的端到端中文语音识别系统

姚煜, RYAD Chellali

计算机应用 2018, 38 (9): 2495-2499. DOI: 10.11772/j.issn.1001-9081.2018020402

摘要（1939）

PDF （821KB）（557）

针对隐马尔可夫模型（HMM）在语音识别中存在的不合理条件假设，进一步研究循环神经网络的序列建模能力，提出了基于双向长短时记忆神经网络的声学模型构建方法，并将联结时序分类（CTC）训练准则成功地应用于该声学模型训练中，搭建出不依赖于隐马尔可夫模型的端到端中文语音识别系统；同时设计了基于加权有限状态转换器（WFST）的语音解码方法，有效解决了发音词典和语言模型难以融入解码过程的问题。与传统GMM-HMM系统和混合DNN-HMM系统对比，实验结果显示该端到端系统不仅明显降低了识别错误率，而且大幅提高了语音解码速度，表明了该声学模型可以有效地增强模型区分度和优化系统结构。

参考文献 | 相关文章 | 多维度评价

Select

2. 采用动态权重和概率扰动策略改进的灰狼优化算法

陈闯, Ryad Chellali, 邢尹

计算机应用 2017, 37 (12): 3493-3497. DOI: 10.11772/j.issn.1001-9081.2017.12.3493

摘要（581）

PDF （769KB）（672）

针对基本灰狼优化（GWO）算法存在易陷入局部最优，进而导致搜索精度偏低的问题，提出了一种改进的GWO （IGWO）算法。一方面，通过引入由GWO算法系数向量构成的权值因子，动态调整算法的位置向量更新方程；另一方面，通过采用概率扰动策略，增强算法迭代后期的种群多样性，从而提升算法跳出局部最优的能力。对多个基准测试函数进行仿真实验，实验结果表明，相对于GWO算法、混合GWO （HGWO）算法、引力搜索算法（GSA）和差分进化（DE）算法，所提IGWO算法有效摆脱了局部收敛，在搜索精度、算法稳定性以及收敛速度上具有明显优势。

参考文献 | 相关文章 | 多维度评价

Select

3. 采用动态权重和概率扰动策略改进的灰狼算法

陈闯 Ryad Chellali 邢尹

录用日期: 2017-08-24