基于ResNet-LSTM的声纹识别方法 被引量：6

1

作者 刘勇 梁宏涛 +1 位作者 刘国柱 胡强 《计算机系统应用》 2021年第6期215-219,共5页

针对传统声纹识别方法实现过程复杂、识别率低等问题,提出了一种基于ResNet-LSTM的声纹识别方法.首先采用ResNet残差网络提取声纹的空间特征,其次采用LSTM长短期记忆循环神经网络提取声纹的时序特征,通过ResNet与LSTM结合的特征提取方... 针对传统声纹识别方法实现过程复杂、识别率低等问题,提出了一种基于ResNet-LSTM的声纹识别方法.首先采用ResNet残差网络提取声纹的空间特征,其次采用LSTM长短期记忆循环神经网络提取声纹的时序特征,通过ResNet与LSTM结合的特征提取方法获得了同时包含空间特征与时序特征的深度声纹特征.实验结果表明,采用ResNet-LSTM网络的声纹识别方法的等错误率降低至1.196%,较基线方法 d-vector以及VGGNet分别降低了3.68%与1.95%,识别准确率达到了98.8%. 展开更多

关键词 声纹识别 resnet-lstm 空间特征 时序特征

在线阅读 下载PDF 职称材料

基于改进Resnet-LSTM模型的系泊缆仿真张力预测 被引量：1

2

作者 张火明 黄敏 陆萍蓝 《计量学报》 CSCD 北大核心 2024年第12期1824-1831,共8页

对海洋浮式平台系泊系统在复杂多变的作业环境受到的线性、非线性作用力进行了预测,预测过程中对长短周期记忆(LSTM)单模型预测网络隐藏层数、迭代次数和学习速率做了优化。提出了具有可变卷积和小波基激活函数的多层特征提取特性和变... 对海洋浮式平台系泊系统在复杂多变的作业环境受到的线性、非线性作用力进行了预测,预测过程中对长短周期记忆(LSTM)单模型预测网络隐藏层数、迭代次数和学习速率做了优化。提出了具有可变卷积和小波基激活函数的多层特征提取特性和变阈值残差收缩预测功能的混合预测模型,对平台运动响应多点系泊系统整体受力进行非线性映射,分析了多点系泊缆模型,得到了风浪流联合作用下的系泊缆张力值。使用LSTM单模型、Resnet-LSTM混合模型和改进混合模型对系泊力仿真数据集进行训练预测。结果显示:采用Resnet-LSTM混合模型预测准确度可达0.9974,使用可变卷积改进的Resnet-LSTM预测效果优于未改进模型,各项网络参数和预测指标得以优化。证明基于Resnet-LSTM的改进混合预测模型应用在多点系泊系统张力非线性时序特征预测应用方面具有提升网络性能的作用。 展开更多

关键词 力学计量 系泊力 多点系泊系统 改进resnet-lstm模型 张力预测

在线阅读 下载PDF 职称材料

ResNet-LSTM并行网络转子故障迁移诊断方法 被引量：4

3

作者 向玲 张兴宇 +2 位作者 胡爱军 邴汉昆 杨鑫 《动力工程学报》 CAS CSCD 北大核心 2023年第1期41-47,共7页

为提高小样本下的转子故障识别精度,提出了基于残差网络(ResNet)和长短期记忆网络(LSTM)的并行神经网络(RLPN)转子故障迁移诊断方法。首先,使用卷积层和池化层作为模型的前置特征提取器,提取信号的浅层特征;然后,利用ResNet模块提取转... 为提高小样本下的转子故障识别精度,提出了基于残差网络(ResNet)和长短期记忆网络(LSTM)的并行神经网络(RLPN)转子故障迁移诊断方法。首先,使用卷积层和池化层作为模型的前置特征提取器,提取信号的浅层特征;然后,利用ResNet模块提取转子信号的空间特征,利用LSTM模块提取转子信号的时间特征;最后将提取的时间和空间特征融合,对转子的不同工况开展迁移学习,以实现故障诊断。结果表明:该方法能够提升故障的分类性能,有效识别转子故障,诊断结果优于已有的智能故障迁移诊断方法。 展开更多

关键词 故障诊断 转子故障 残差网络 长短期记忆网络 并行神经网络

在线阅读 下载PDF 职称材料

基于ResNet-LSTM网络和注意力机制的综合能源系统多元负荷预测 被引量：89

4

作者 王琛 王颖 +2 位作者 郑涛 戴则梅 张凯锋 《电工技术学报》 EI CSCD 北大核心 2022年第7期1789-1799,共11页

综合能源系统中多种负荷之间可能存在复杂的、较强的相互耦合关系。相对于对各类负荷进行单一独立的预测,直接开展多元负荷预测能够进一步挖掘负荷之间的内在联系,提高预测准确度。该文提出一种基于ResNet-LSTM网络和注意力机制的多任... 综合能源系统中多种负荷之间可能存在复杂的、较强的相互耦合关系。相对于对各类负荷进行单一独立的预测,直接开展多元负荷预测能够进一步挖掘负荷之间的内在联系,提高预测准确度。该文提出一种基于ResNet-LSTM网络和注意力机制的多任务学习模型,用于拟合多能负荷之间的空间耦合关系和时间耦合关系。首先,采用多层ResNet作为多能负荷数据的特征提取单元,挖掘多能之间的空间耦合交互特征;然后,通过双向长短时记忆网络残差结构进一步挖掘多能负荷数据的时序特征;接着,使用注意力机制实现多任务对于共享特征不同程度的关注,体现不同子任务对共享特征的差异化选择,实现多元负荷的联合预测;最后,结合亚利桑那州立大学CampusMetabolism系统的多能负荷数据,与其他预测模型进行对比分析,结果表明所提出的多元负荷预测方法具有更高的预测精度。 展开更多

关键词 注意力机制 残差网络 长短时记忆网络 多元负荷预测 多任务学习

在线阅读 下载PDF 职称材料

基于注意力机制的ResNet-LSTM煤矿瓦斯浓度预测模型 被引量：4

5

作者 张玲 杨超宇 《煤炭技术》 CAS 2024年第8期208-213,共6页

对煤矿井下瓦斯浓度的预测一直以来是矿井安全进行早期预警和管理的关键问题。为了进一步提高煤矿瓦斯浓度预测的准确度,提出了一种基于深度学习的方法,称为AR-LSTM,它包括残差神经网络(ResNet)、长短时记忆(LSTM)网络和基于注意力的网... 对煤矿井下瓦斯浓度的预测一直以来是矿井安全进行早期预警和管理的关键问题。为了进一步提高煤矿瓦斯浓度预测的准确度,提出了一种基于深度学习的方法,称为AR-LSTM,它包括残差神经网络(ResNet)、长短时记忆(LSTM)网络和基于注意力的网络,用于煤矿井下瓦斯浓度的预测。AR-LSTM不仅使用瓦斯浓度这一变量,同时将采集的温度、风速和一氧化碳浓度作为输入。因此,在AR-LSTM模型中,ResNet-LSTM网络学习多变量时间序列数据的时序相关性和相互依赖性,注意力机制用于捕捉过去不同时间步的特征状态对未来瓦斯浓度的重要性程度。基于注意力的层可以自动加权过去的特征状态以提高预测准确性,使用煤矿地区的瓦斯浓度数据进行预测,并将其与3种基准方法进行比较。为了比较每种方法的整体性能,实验中使用了均方根误差E_(RMS)、平均绝对误差E_(MA)和决定系数R^(2)。实验结果表明,AR-LSTM模型能够以最高性能处理煤矿瓦斯浓度的预测问题,并且可以实现1步或多步提前预测。 展开更多

关键词 瓦斯浓度预测 ResNet网络 LSTM网络 注意力机制

原文传递

基于Attention-ResNet-LSTM网络的中期负荷预测模型 被引量：8

6

作者 刘新志 刘爱莲 李英娜 《化工自动化及仪表》 CAS 2021年第6期575-580,645,共7页

提出一种基于Attention-ResNet-LSTM网络的中期负荷预测模型。将Attention机制引入LSTM模型,赋予不同的权重于特征向量,加入ResNet网络后算出负荷的预测值。以爱尔兰某地区的真实负荷为数据集进行仿真实验,负荷预测结果表明:相比于RNN、... 提出一种基于Attention-ResNet-LSTM网络的中期负荷预测模型。将Attention机制引入LSTM模型,赋予不同的权重于特征向量,加入ResNet网络后算出负荷的预测值。以爱尔兰某地区的真实负荷为数据集进行仿真实验,负荷预测结果表明:相比于RNN、LSTM、Attention-LSTM模型,Attention-ResNet-LSTM模型的预测精度更高。 展开更多

关键词 中期负荷预测 电力负荷 LSTM网络 Attention机制 ResNet网络

在线阅读 下载PDF 职称材料

基于ResNet-LSTM的行人过街行为识别方法 被引量：5

7

作者 窦雪婷 《计算机与数字工程》 2021年第9期1872-1877,共6页

为提高行人行为识别精度,通过基于光流处理的Resnet-LSTM网络模型对行人过街行为进行识别。在采用光流法对连续视频帧进行处理的基础上,基于ResNet神经网络提取有序光流数据信息的空间维度特征,并利用LSTM网络进行时序性分析,完成行人... 为提高行人行为识别精度,通过基于光流处理的Resnet-LSTM网络模型对行人过街行为进行识别。在采用光流法对连续视频帧进行处理的基础上,基于ResNet神经网络提取有序光流数据信息的空间维度特征,并利用LSTM网络进行时序性分析,完成行人过街行为的分类识别。论文利用Weizmann数据集对该模型做有效性检验,结果表明,算法的行为识别率可达99.46%。 展开更多

关键词 行为识别 光流处理 ResNet网络 LSTM网络

在线阅读 下载PDF 职称材料

人工智能在电力负荷短期预测中的工程实践与改进

8

作者 马儒良 袁娜 《科技创新与生产力》 2026年第1期98-100,105,共4页

为提升人工智能在电力负荷短期预测中的准确性与可靠性,特提出一种融合多种技术的改进模型。采集与科学预处理多源数据,完成数据集划分;构建ResNet-LSTM组合架构,引入霜冰优化算法进行参数优化,并结合自注意力机制增强模型特征捕捉能力... 为提升人工智能在电力负荷短期预测中的准确性与可靠性,特提出一种融合多种技术的改进模型。采集与科学预处理多源数据,完成数据集划分;构建ResNet-LSTM组合架构,引入霜冰优化算法进行参数优化,并结合自注意力机制增强模型特征捕捉能力。实验设置对比模型,运用多维度评估指标开展性能分析。结果表明,改进后的模型在关键误差指标上优于传统预测模型,验证了气象特征对预测精度的影响,提升了模型的泛化能力和电力负荷短期预测精度。 展开更多

关键词 电力负荷短期预测 resnet-lstm 霜冰优化算法 自注意力机制

在线阅读 下载PDF 职称材料

一种新型光伏发电功率短期预测模型

9

作者 李高鹏 白莉 于克成 《吉林建筑大学学报》 2025年第2期82-88,共7页

太阳能光伏发电受太阳辐射强度变化影响存在随机性和波动性,准确预测光伏发电量十分重要且具有挑战性。利用基于残差网络(ResNet)的LSTM模型,以两个气象变量为输入,用残差连接将LSTM层的输入和输出相加进行预测运算,并以澳大利亚爱丽丝... 太阳能光伏发电受太阳辐射强度变化影响存在随机性和波动性,准确预测光伏发电量十分重要且具有挑战性。利用基于残差网络(ResNet)的LSTM模型,以两个气象变量为输入,用残差连接将LSTM层的输入和输出相加进行预测运算,并以澳大利亚爱丽丝泉光伏电站的实测数据验证预测准确性,结果表明,ResNet-LSTM模型的各项误差度量均小于LSTM模型,说明ResNet-LSTM模型更加精确,对保障电网稳定性,提高光电消纳能力具有重要意义和推广应用价值。 展开更多

关键词 残差网络(ResNet) LSTM 光伏发电功率预测

在线阅读 下载PDF 职称材料

基于声发射信号的压力容器异常检测模型

10

作者 谢遵强 陈双叶 刘明珠 《计算机测量与控制》 2025年第11期118-123,141,共7页

传统压力容器的监测和异常检测方法在处理复杂声发射信号上存在精确度不高且耗时较长等问题;为了解决这些问题,提出了一种基于CNN和LSTM的自编码器模型AENet;该模型用ResNet结构替换了自编码器网络中的线性结构,从而显著提高了异常检测... 传统压力容器的监测和异常检测方法在处理复杂声发射信号上存在精确度不高且耗时较长等问题;为了解决这些问题,提出了一种基于CNN和LSTM的自编码器模型AENet;该模型用ResNet结构替换了自编码器网络中的线性结构,从而显著提高了异常检测的准确率和检测精度;具体来说,模型通过CNN提取声发射信号的局部空间特征,结合LSTM捕捉时间序列的短期和长期依赖性,实现对原始时域信号的重建,并通过计算重建信号与输入信号之间的误差来判断异常信号的存在;经实验测试,在检测压力容器泄漏时,该模型的准确率达到了93.58%;与传统自编码器、变分自编码器及其他基于深度学习的自编码器模型相比,AENet在捕捉复杂时间序列信号特征方面更具优势,显著减少了误报和漏报现象;这为压力容器的安全监控提供了可靠保障,满足了工业工程应用中的实际需求。 展开更多

关键词 声发射 异常检测 CNN LSTM 自编码器 ResNet

在线阅读 下载PDF 职称材料

核心网用户面异常流量智能化检测创新方案与实践

11

作者 唐帅 孙嘉 +1 位作者 唐文斌 李世明 《数字通信世界》 2025年第4期99-101,共3页

随着大数据、云计算、人工智能和5G技术的飞速发展,网络应用变得愈加广泛和便捷。截至2024年,全球网民规模达到60亿人,较2014年增加了33亿人,互联网普及率已高达76%。这一巨大的网民规模带来了海量的网络用户流量,其中既有正常流量也有... 随着大数据、云计算、人工智能和5G技术的飞速发展,网络应用变得愈加广泛和便捷。截至2024年,全球网民规模达到60亿人,较2014年增加了33亿人,互联网普及率已高达76%。这一巨大的网民规模带来了海量的网络用户流量,其中既有正常流量也有异常流量。因此,异常用户流量的检测技术对于提升网络信息安全至关重要。中兴通讯作为主流的核心网设备商,致力于为全球电信运营商、消费者等提供创新技术和解决方案。通过结合ResNet(Residual Network,残差神经网络)、LSTM(Long Short-Term Memory,循环神经网络)和simpleCNN(Simple Convolutional Neural Network,简单的卷积神经网络)三类神经网络模型,中兴通讯成功实现了用户面数据流的异常自动化检测功能,有望为核心网交付运维的数智化提供一定的帮助。 展开更多

关键词 核心网 ResNet LSTM simpleCNN 异常检测 自动化

在线阅读 下载PDF 职称材料

基于CNN-LSTM模型的景区异常行为识别方法

12

作者 罗昆 华才健 《成都工业学院学报》 2025年第3期50-57,共8页

针对景区异常行为识别中场景复杂、难度大、视频清晰度低的问题,提出一种融合残差网络的时空异常行为识别方法--ResNet18-LSTM-CBAM。基于卷积神经网络与长短时记忆网络(CNN-LSTM)模型,首先通过使用残差神经网络(ResNet)模型替代原有的... 针对景区异常行为识别中场景复杂、难度大、视频清晰度低的问题,提出一种融合残差网络的时空异常行为识别方法--ResNet18-LSTM-CBAM。基于卷积神经网络与长短时记忆网络(CNN-LSTM)模型,首先通过使用残差神经网络(ResNet)模型替代原有的CNN模块,增强模型在提取局部特征方面的能力;其次,引入卷积块注意力机制(CBAM),进一步优化重要时空特征的表示;最后,利用LSTM提取视频序列中的时序信息,使模型能够更好地理解动态行为模式。实验结果表明,ResNet18-LSTM-CBAM模型在自建模拟景区视频数据集上提取时序信息的准确率达到83.7%,与其他方法相比有不同程度的提升,有效提高异常行为识别的准确度,为提升景区安全和管理效率提供了可行的解决方案。 展开更多

关键词 异常行为识别 视频序列 CNN-LSTM ResNet CBAM

在线阅读 下载PDF 职称材料

基于LSTM-ResNet模型的定点有效波高预测 被引量：7

13

作者 李自立 蒙素素 《海洋预报》 CSCD 北大核心 2022年第2期80-85,共6页

基于北部湾单站位浮标采集数据,提出一种基于长短期记忆网络(LSTM)和残差网络(ResNet)相融合的网络模型,将研究结果运用到短时波高预测中,并将模型的数值预测结果与LSTM网络、反向传播(BP)网络和ResNet网络在短时波高预测中的数值计算... 基于北部湾单站位浮标采集数据,提出一种基于长短期记忆网络(LSTM)和残差网络(ResNet)相融合的网络模型,将研究结果运用到短时波高预测中,并将模型的数值预测结果与LSTM网络、反向传播(BP)网络和ResNet网络在短时波高预测中的数值计算结果进行对比分析。结果表明:该模型在短时波高预测中,预测结果偏差较小且实用性较高,能够在一定条件下提高有效波高短期预测数值的有效性。 展开更多

关键词 北部湾 波高预测 LSTM-ResNet网络 LSTM网络

在线阅读 下载PDF 职称材料

基于FB-LSTM ResNet的滚动轴承故障诊断方法 被引量：1

14

作者 徐敏 王平 《轴承》 北大核心 2023年第4期93-98,共6页

提出一种基于FB-LSTM ResNet的滚动轴承故障诊断方法,并将故障诊断过程划分为3个部分。原始振动信号获取与处理模块利用振动信号窗平移方法完成重叠信号的分割,并利用Inception网络高效完成一维信号预处理;振动信号特征提取模块采用FB-L... 提出一种基于FB-LSTM ResNet的滚动轴承故障诊断方法,并将故障诊断过程划分为3个部分。原始振动信号获取与处理模块利用振动信号窗平移方法完成重叠信号的分割,并利用Inception网络高效完成一维信号预处理;振动信号特征提取模块采用FB-LSTM ResNet网络,可以有效处理层深所引起的退化情况;故障诊断分类模块选用全局池化层代替全连接层,能够削减网络参量,从而有效规避过拟合情况。采用CWRU与QPZZ-II故障轴承样本集的试验结果表明,FB-LSTM ResNet方法在原始样本和加噪样本中均获得了最高的故障诊断准确率,并可在较少的迭代过程中达到较优的准确率与损失值,其效果优于单独的FB-LSTM,ResNet方法以及其他融合方法。 展开更多

关键词 滚动轴承 故障诊断 信号处理 深度学习 LSTM 残差网络 过拟合

在线阅读 下载PDF 职称材料

一种特征融合的视频事故快速检测方法 被引量：5

15

作者 王晨 周威 章世祥 《交通运输工程与信息学报》 2022年第1期31-38,共8页

交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义。目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用。针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速... 交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义。目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用。针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速检测方法,以期在有限算力成本下同时获得较高的检测精度和较快的检测速度。模型将特征融合通过两个步骤实现:首先,提出了一种事故注意力模块,并将其嵌入至残差网络(ResNet50)中以从复杂交通场景中筛选事故相关的外观特征;之后,将该外观特征输入到卷积长短时间记忆网络(Conv-LSTM)中,实现外观特征的微调与运动特征的提取。训练后的模型在视频测试集上的精度达到88.89%,检测速度达到FPS>30。事故注意力模块的引入提高了模型的外观特征筛选能力,而Conv-LSTM相比一般LSTM模型在提取运动特征时可以更好地保留外观特征,相比传统基于运动特征的检测方法,该模型可以获得更高的精度。相比典型特征融合模型(如C3D),模型显著降低了计算复杂度,在检测速度上更快。研究结果表明,本文提出的事故检测模型可以在有限算力下较好地取得事故检测精度和速度的平衡,有望实现推广应用。 展开更多

关键词 智能交通 视频事故检测算法 残差网络 事故视觉注意力 卷积长短时间记忆网络

在线阅读 下载PDF 职称材料

基于ResNet和双向LSTM融合的物联网入侵检测分类模型构建与优化研究 被引量：10

16

作者 陈红松 陈京九 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第8期1-8,共8页

为提高物联网入侵检测模型的综合性能,将残差神经网络(Residual Networks,ResNet)与双向长短时记忆(Long-Short Term Memory,LSTM)网络融合,构建物联网入侵检测分类模型.针对大规模物联网流量快速批量处理问题,在对原始数据进行清洗、... 为提高物联网入侵检测模型的综合性能,将残差神经网络(Residual Networks,ResNet)与双向长短时记忆(Long-Short Term Memory,LSTM)网络融合,构建物联网入侵检测分类模型.针对大规模物联网流量快速批量处理问题,在对原始数据进行清洗、转换等预处理基础上,提出将多条流量样本转换为灰度图,并利用基于ResNet和双向LSTM融合的深度学习方法构建物联网入侵检测分类模型.对分类模型的网络结构、可复用性进行综合优化实验,得到最终优化模型,分类准确率达到96.77%,综合优化后的模型构建时间为39.85 s.与其他机器学习算法结果相比,该优化方法在分类准确率和效率两个方面取得了很好的效果,综合性能优于传统的入侵检测分类模型. 展开更多

关键词 入侵检测 残差网络 双向LSTM网络 图像分类 物联网

在线阅读 下载PDF 职称材料

基于深度学习的挖掘机工作阶段的分类与识别 被引量：2

17

作者 刘伟嵬 邓剑洋 +1 位作者 张靖文 牛东东 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第10期1464-1473,1489,共11页

为实现对挖掘机作业循环各工作阶段的自动识别,采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段,并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志,以时间窗... 为实现对挖掘机作业循环各工作阶段的自动识别,采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段,并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志,以时间窗滑移方式提取起始特征并确定最佳时间窗宽度,采用深度学习的方法识别各标志.对比了深度学习中分类识别领域应用广泛的ResNet和LSTM的识别效果,发现LSTM的识别效果更好,对测试集的识别准确率最高可达到99.75%.采用LSTM对测试数据进行识别,识别正确率仅有82.54%,说明存在误识别.提出以挖掘机工作阶段的逻辑顺序和设定主泵功率阈值作为校正依据对误识别进行校正,识别正确率可提升至99.72%.结果表明,该方法识别准确率高,可有效识别作业循环各工作阶段. 展开更多

关键词 液压挖掘机 工作阶段 残差神经网络(ResNet) 长短期记忆(LSTM)神经网络 智能校正系统

在线阅读 下载PDF 职称材料

基于并联深度学习网络的雷达有源干扰智能识别方法 被引量：7

18

作者 姜正云 舒汀 +1 位作者 何劲 郁文贤 《现代雷达》 CSCD 北大核心 2021年第10期9-14,共6页

针对传统的雷达有源干扰识别方法存在特征参数对干扰样式敏感,识别准确率不高等问题,提出了一种基于深度学习的雷达有源干扰智能识别方法,设计了一种残差网络(ResNet)和长短时间记忆网络(LSTM)相并联的新型网络结构。该方法基于多维度... 针对传统的雷达有源干扰识别方法存在特征参数对干扰样式敏感,识别准确率不高等问题,提出了一种基于深度学习的雷达有源干扰智能识别方法,设计了一种残差网络(ResNet)和长短时间记忆网络(LSTM)相并联的新型网络结构。该方法基于多维度信息联合处理,可提高干扰识别的稳健性。通过外场试验,对常规的6种雷达有源干扰样式进行识别性能验证,识别准确率达到94.80%,证明了该文的方法具有较好的工程应用前景。 展开更多

关键词 残差网络 长短时间记忆网络 并联网络 雷达有源干扰识别 实测数据验证

原文传递

结合LSTM与ResNet的声学回声消除 被引量：4

19

作者 许春冬 徐锦武 +3 位作者 王茹霞 凌贤鹏 黄乔月 郭桥生 《传感器与微系统》 CSCD 北大核心 2023年第5期29-32,共4页

针对传统的声学回声消除(AEC)方法在双端讲话场景下较难实现快速收敛和动态自适应的问题,提出了一种结合长短时记忆(LSTM)与残差神经网络(ResNet)的AEC方法。通过使用LSTM和ResNet相结合的特征提取方法,同时提取到声学回声的时序特征和... 针对传统的声学回声消除(AEC)方法在双端讲话场景下较难实现快速收敛和动态自适应的问题,提出了一种结合长短时记忆(LSTM)与残差神经网络(ResNet)的AEC方法。通过使用LSTM和ResNet相结合的特征提取方法,同时提取到声学回声的时序特征和不同级别的抽象特征,且充分利用近端语音、近端麦克风语音和声学回声之间的幅度谱相似性的特点,引入它们之间的谱归一化互相关系数,构造了一种改进的理想二值掩蔽(iIBM)作为训练目标,此外引入深度可分离卷积使模型参数量减少了3.42 MB。实验结果表明:双端通话环境下所提出的方法相比参考算法取得了更高的客观评价得分。 展开更多

关键词 声学回声消除 双端讲话场景 长短时记忆网络 残差神经网络 理想二值掩蔽 深度可分离卷积

在线阅读 下载PDF 职称材料

一种基于LSTM和ResNet网络的情感极性分析方法 被引量：8

20

作者 刘星 杨波 郁云 《电子器件》 CAS 北大核心 2023年第6期1629-1633,共5页

人们习惯在社交平台分享生活、发表看法、发泄情感,由于数据量大且易于获取,社交平台文本数据已被广泛用于网络用户情感极性分析。因此,文本情感分析方法也经常用来对网络舆情进行研判和预测。传统对文本情感极性分析的方法没有应用深... 人们习惯在社交平台分享生活、发表看法、发泄情感,由于数据量大且易于获取,社交平台文本数据已被广泛用于网络用户情感极性分析。因此,文本情感分析方法也经常用来对网络舆情进行研判和预测。传统对文本情感极性分析的方法没有应用深度学习等成果技术,使得情感分类结果的准确性不高。提出一种ResNet残差网络改进的LSTM长短时间序列分析方法。实验结果表明,与支持向量机、朴素贝叶斯等传统分类器相比,基于改进的ResNet与LSTM的文本情感极性分类方法在分类精度上有一定提升;与LSTM、循环神经网络等深度学习方法相比,该方法在保证运行效率的前提下能获得更高的分类精度。所提方法能够用来对社交平台的文本情感进行情感极性分类和预测。 展开更多

关键词 情感分类 LSTM模型 残差网络

在线阅读 下载PDF 职称材料