-
题名基于卷积循环神经网络的语音逻辑攻击检测
被引量：4
- 1
-
-
作者
杨海涛
王华朋
楚宪腾
牛瑾琳
林暖辉
张琨瑶
-
机构
中国刑事警察学院公安信息技术与情报学院
广州市刑事科学技术研究所
-
出处
《科学技术与工程》
北大核心
2022年第18期7937-7944,共8页
-
基金
国家重点研发计划(2017YFC0821000)
广州市科技计划(2019030004)
司法部司法鉴定重点实验室(司法鉴定科学研究院)开放基金。
-
文摘
语音合成和语音转换等技术正逐渐成为合成语音的主流方法,合成语音对社会稳定和国家安全都具有潜在的风险。为进一步提高合成、转换伪造语音检测的准确率,从混合网络模型,特征选择出发,提出了基于CNN-RNN-DNN网络的3种混合网络模型,分别为CNN-LSTM-DNN、CNN-GRU-DNN、CNN-BiLSTM-DNN。模型中卷积神经网络(convolutional neural network,CNN)部分可以进行下采样,循环神经网络(recurrent neural network,RNN)部分解决语音中的时序问题,深度神经网络(deep neural network,DNN)部分则实现分类功能。每种混合网络模型包含20层网络层。对提取的6种声学特征进行实验,其中CNN-LSTM-DNN+MFCC的组合表现最优,等错误率为5.79%,比ASVspoof2019提供的B02基线系统低28.43%。比较了3种混合网络结合6种特征的表现并增加了其与4种单独网络的对照实验,结果表明本文提出的混合网络模型具有性能稳定、准确率高等优点且梅尔频率倒谱系数(mel-frequency cepstral coefficients,MFCCs)特征及混合梅尔倒谱系数线性频率倒谱系数(linear frequency cepstral coefficient,LFCC)特征更适合此模型。
-
关键词
cnn-rnn-dnn
混合网络模型
混合声学特征
等错误率
ASVspoof2019
-
Keywords
cnn-rnn-dnn
fusion model
fusion feature
EER
ASVspoof2019
-
分类号
TN912.3
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名医学信息学中的深度学习相关应用研究
被引量：1
- 2
-
-
作者
石磊
陈潇君
郭剑峰
陈宝定
-
机构
江苏大学附属医院
-
出处
《医学信息学杂志》
CAS
2018年第3期10-15,共6页
-
基金
国家自然科学基金(项目编号:61502206
61502208)
+1 种基金
江苏省普通高校研究生科研创新计划项目(项目编号:KYLX15_1078)
江苏大学附属医院新技术新项目(项目编号:xjs2016035)
-
文摘
梳理深度学习在医学信息学中的一些应用案例,对深度神经网络、卷积神经网络、递归神经网络、改进神经网络原理、应用分别进行分析,介绍深度机器学习的发展方向。
-
关键词
深度学习
医学信息学
深度神经网络
卷积神经网络
递归神经网络
改进神经网络
-
Keywords
Deep learning
Medical informatics
Deep Neural Network（DNN）
Convolutional Neural Network（CNN）
Recurrent Neural Network（RNN）
Modified Neural Network（MNN）
-
分类号
R-056
[医药卫生]
-
-
题名推荐系统综述
被引量：85
- 3
-
-
作者
于蒙
何文涛
周绪川
崔梦天
吴克奇
周文杰
-
机构
计算机系统国家民委重点实验室(西南民族大学)
-
出处
《计算机应用》
CSCD
北大核心
2022年第6期1898-1913,共16页
-
基金
国家自然科学基金资助项目(12050410248)
四川省科技计划项目(2021YFH0120)
西南民族大学研究生创新型科研项目(CX2020SZ04)。
-
文摘
随着网络应用的不断发展,网络资源呈指数型增长,信息过载现象日益严重,如何高效获取符合需求的资源成为困扰人们的问题之一。推荐系统能对海量信息进行有效过滤,为用户推荐符合其需求的资源。对推荐系统的研究现状进行详细介绍,包括基于内容的推荐、协同过滤推荐和混合推荐这三种传统推荐方式,并重点分析了基于卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)和图神经网络(GNN)这四种常见的深度学习推荐模型的研究进展;归纳整理了推荐领域常用的数据集,同时分析对比了传统推荐算法和基于深度学习的推荐算法的差异。最后,总结了实际应用中具有代表性的推荐模型,讨论了推荐系统面临的挑战和未来的研究方向。
-
关键词
推荐算法
协同过滤
深度学习
卷积神经网络
深度神经网络
循环神经网络
图神经网络
-
Keywords
recommendation algorithm
collaborative filtering
deep learning
Convolutional Neural Network(CNN)
Deep Neural Network(DNN)
Recurrent Neural Network(RNN)
Graph Neural Network(GNN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名深度神经网络解释方法综述
被引量：31
- 4
-
-
作者
苏炯铭
刘鸿福
项凤涛
吴建宅
袁兴生
-
机构
国防科技大学智能科学学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第9期1-15,共15页
-
基金
国家自然科学基金(61806212,61603403,U1734208,61603402,61703417)
湖南省自然科学基金(2019JJ50724)。
-
文摘
深度神经网络具有非线性非凸、多层隐藏结构、特征矢量化、海量模型参数等特点,但弱解释性是限制其理论发展和实际应用的巨大障碍,因此,深度神经网络解释方法成为当前人工智能领域研究的前沿热点。针对军事、金融、医药、交通等高风险决策领域对深度神经网络可解释性提出的强烈要求,对卷积神经网络、循环神经网络、生成对抗网络等典型网络的解释方法进行分析梳理,总结并比较现有的解释方法,同时结合目前深度神经网络的发展趋势,对其解释方法的未来研究方向进行展望。
-
关键词
可解释的人工智能
深度神经网络
卷积神经网络
循环神经网络
生成对抗网络
-
Keywords
eXplainable Artificial Intelligence(XAI)
Deep Neural Networks(DNN)
Convolutional Neural Networks(CNN)
Recurrent Neural Networks(RNN)
Generative Adversarial Networks(GAN)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
