【摘要】：作為計(jì)算機(jī)科學(xué)的一個(gè)分支,人工智能本質(zhì)上,不僅是對(duì)人的意識(shí)、思維的信息過(guò)程的模擬,也要超過(guò)人的智能。研究人工智能,是對(duì)人類的智能的研究,自然必須研究人類的情感。通過(guò)研究語(yǔ)音情感識(shí)別,能使得計(jì)算機(jī)在人機(jī)交互過(guò)程中做出更加人性化和更有針對(duì)性的反應(yīng)。深度學(xué)習(xí)也是現(xiàn)今人工智能的一個(gè)研究熱點(diǎn)與難點(diǎn)。針對(duì)人工智能中抽象認(rèn)知這一難題,深度學(xué)習(xí)對(duì)研究對(duì)象的特征自學(xué)習(xí),無(wú)論在理論分析,還是在實(shí)際應(yīng)用中都獲得很大的成功。可以說(shuō),深度學(xué)習(xí)是目前最接近人腦的人工智能學(xué)習(xí)方法。深度學(xué)習(xí)有很多常用的模型,比如自編碼器、限制玻爾茲曼機(jī)、卷積神經(jīng)網(wǎng)絡(luò)等等。其中,卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)應(yīng)用在圖像識(shí)別、語(yǔ)音識(shí)別、廣告推薦系統(tǒng)等領(lǐng)域,而且也取得了很不錯(cuò)的進(jìn)展。本人在通過(guò)對(duì)深度學(xué)習(xí)的深入研究之后發(fā)現(xiàn),當(dāng)使用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行語(yǔ)音情感識(shí)別時(shí),卷積神經(jīng)網(wǎng)絡(luò)的子采樣層在實(shí)現(xiàn)維數(shù)約減的效果的同時(shí),也可能導(dǎo)致大部分有用的特征丟失,從而降低了語(yǔ)音情感識(shí)別分類的準(zhǔn)確率。針對(duì)上述問(wèn)題,本人將提出一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法,在該算法中,使用特征選擇的辦法來(lái)代替卷積神經(jīng)網(wǎng)絡(luò)子采樣層的簡(jiǎn)單處理,稱為卷積特征選擇神經(jīng)網(wǎng)絡(luò)。同時(shí),通過(guò)實(shí)驗(yàn)證明本人提出的改進(jìn)算法相對(duì)于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)有著更好的效果。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.34;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 余伶俐;周開(kāi)軍;邱愛(ài)兵;;基于Elman神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用研究;2012年05期

本文編號(hào)：2781073