使用計算機幫助人們練習(xí)口語是常見手段,但目前存在一些問題。首先,由于流暢性特征是基于人類知識計算的,因此原始數(shù)據(jù)中包含的一些關(guān)鍵表示可能會丟失。其次,對模型的各個參數(shù)分別進行優(yōu)化,使模型的性能處于次優(yōu)狀態(tài)。為了解決這些問題,在此提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的英語口語流利性評分方法,該方法從原始的時域信號輸入中聯(lián)合學(xué)習(xí)特征提取和評分模型。實驗結(jié)果表明,所提出的方法的評分結(jié)果較為準(zhǔn)確。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 系統(tǒng)概述
2 卷積神經(jīng)網(wǎng)絡(luò)
    2.1 卷積層
    2.2 池化層
    2.3 全連接層
    2.4 批歸一化
3 基于CNN的流利性評分模型
    3.1 評分模型
    3.2 基于CNN的評分模型
    3.3 權(quán)重初始化
4 實驗與評估
    4.1 實驗環(huán)境與數(shù)據(jù)集
    4.2 模型結(jié)構(gòu)與結(jié)果
    4.3 流利度特征與可視化
5 結(jié)束語



本文編號：3795459