搜索资源列表
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成，
TCS230-Color-Sensor-for-Ship
- 该系统采用三块TCS230颜色传感器，监测轮船经过后海水的颜色变化的情况，数据采用就地处理，并运用改进型BP神经网络算法进行污染模式训练和模式识别。通过nRF401无线数字收发器，把污染识别的结果发送回监 视器，再通过字符和语音对识别结果进行报告。把轮船污染数据采集器安装在轮船尾部两侧进行实时监测，结果表明，监测速快，精确度高。-The system uses three TCS230 color sensor to monitor the ship through the water
xinjian
- 运用Matlab录音识别过程（附录源代码程序），基于人工神经网络下的语音识别模型，能在Matlab上完美运行-Recording the identification process using Matlab (Appendix source code program), based on artificial neural networks of voice recognition model can run perfectly in Matlab
example-of-speech-recognition
- 一个基于带动量项的BP神经网络语音识别的例子-A drive the amount of the BP neural network based speech recognition as an example
1234-bp
- bp神经网络识别语音信号，是个很好的学习资料-BP neural network recognition of speech signals, is a very good learning materials
深度卷积神经网络
- 作为类脑计算领域的一个重要研究成果，深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域，在工业界和学术界掀起了神经网络研究的浪潮，促进了人工智能的发展。卷积神经网络直接以原始数据作为输入，从大量训练数据中自动学习特征的表示。(As the important research achievement, deep convolutional neural networks have been widely applied to various fiel