|本期目录/Table of Contents|

[1]包晓安,徐海,张娜,等.基于深度学习的语音识别模型及其在智能家居中的应用[J].浙江理工大学学报,2019,41-42(自科二):217-223.
 BAO Xiaoan,XU Hai,ZHANG Na,et al.Speech recognition model based on deep learning and its application in smart home[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):217-223.
点击复制

基于深度学习的语音识别模型及其在智能家居中的应用()
分享到:

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第41-42卷
期数:
2019年自科二期
页码:
217-223
栏目:
出版日期:
2019-04-23

文章信息/Info

Title:
Speech recognition model based on deep learning and its application in smart home
文章编号:
1673-3851 (2019) 03-0217-07
作者:
包晓安徐海张娜吴彪钱俊彦
1.浙江理工大学信息学院,杭州 310018;2.山口大学东亚研究科,日本山口 7538514;3.桂林电子科技大学计算机科学与工程学院,广西 桂林 541004
Author(s):
BAO Xiaoan XU Hai ZHANG Na WU Biao QIAN Junyan
1. School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2.Graduate School of East Asian Studies, Yamaguchi University, Yamaguchishi 7538514, Japan; 3.School of Computer Science and Engineering, Guilin University of Electronic Technology, Guilin 541004, China
关键词:
深度学习语音识别降噪自动编码器智能家居
分类号:
TP181
文献标志码:
A
摘要:
为了满足人们对智能家居设备控制便捷化的需求,提出了一种基于降噪自动编码器的深度学习语音识别模型,经过语音识别模型解析出短语控制指令,以实现家居设备控制。该语音识别模型主要包含两个部分:首先进行无监督学习预训练,预训练前随机将一些网络节点置为0,人工模拟噪声数据,然后采用限制玻尔兹曼机权重矩阵依次训练每一个隐含层,通过比较输入数据与输出数据的偏差修改权重,优化参数;然后进行有监督微调,把训练好的参数作为整个网络的初始值,采用误差反向传播算法对整个网络模型调参。实验结果表明:该语音识别模型与深度信念网络对比,在语音识别率和对噪声的鲁棒性都有明显提高。将该语音识别模型和智能家居系统相结合,从普通短语中判断出家居控制指令,实现人机交互非接触式、便捷式控制,从而使系统更加智能化。

参考文献/References:

[1] 王爱芸.语音识别技术在智能家居中的应用[J].软件,2015(7):104-107.
[2] 闵梁.面向智能家居的语音识别技术研究与实现[D].哈尔滨:哈尔滨工业大学, 2013:25-49.
[3] 刘文强.语音识别技术在智能家居中的研究与应用[D].大连:大连海事大学,2013:15-62.
[4] 戴礼荣,张仕良,黄智颖.基于深度学习的语音识别技术现状与展望[J].数据采集与处理,2017,32(2):221-231.
[5] 居治华,刘罡,陈琦岚,等.基于反向卷积的 BiLSTM 语音识别[J]. 软件导刊, 2017(7): 27-30.
[6] 杨洋,汪毓铎.基于改进卷积神经网络算法的语音识别[J].应用声学,2018(6):940-946.
[7] 包晓安,常浩浩,徐海,等.基于LSTM的智能家居机器学习系统预测模型研究[J].浙江理工大学学报, 2018,39(2): 224-231.
[8] 包晓安,林辉,周建平,等.基于智能家居的一致性模型融合技术研究[J].浙江理工大学学报,2015, 33(1): 109-114.
[9] 童江松,李仁旺,钱小燕.基于ARM的智能家居红外控制系统设计[J].浙江理工大学学报, 2015, 33(1): 124-129.
[10]侯一民,周慧琼,王政一.深度学习在语音识别中的研究进展综述[J].计算机应用研究,2017,34(8): 2241-2246.

相似文献/References:

[1]邓远远,沈炜.基于注意力反馈机制的深度图像标注模型[J].浙江理工大学学报,2019,41-42(自科二):208.
 DENG Yuanyuan,SHEN Wei.Depth image caption model based on  attention feedback mechanism[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):208.
[2]邓远远,沈炜.基于注意力反馈机制的深度图像标注模型[J].浙江理工大学学报,2019,41-42(自科二):208.
 DENG Yuanyuan,SHEN Wei.Depth image caption model based on attention feedback mechanism[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):208.
[3]陈巧红,董雯,孙麒,等.基于混合神经网络的单文档自动文摘模型[J].浙江理工大学学报,2019,41-42(自科四):489.
 CHEN Qiaohong,DONG Wen,SUN Qi,et al.Single document automatic summarization model based on hybrid neural network[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):489.
[4]包晓安,高春波,张娜,等.基于生成对抗网络的图像超分辨率方法[J].浙江理工大学学报,2019,41-42(自科四):499.
 BAO Xiaoan,GAO Chunbo,ZHANG Na,et al.Image superresolution method based ongenerative adversarial network[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):499.
[5]陈巧红,陈翊,孙麒,等.服装图像分类技术综述[J].浙江理工大学学报,2019,41-42(自科五):631.
 CHEN Qiaohong,CHEN Yi,SUN Qi,et al.Overview of clothing image classification technology[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科二):631.

备注/Memo

备注/Memo:
收稿日期: 2018-10-22
网络出版日期: 2018-12-28
基金项目:国家自然科学基金项目(61502430,61562015);广西自然科学重点基金项目(2015GXNSFDA139038);浙江理工大学521人才培养计划项目
作者简介:包晓安(1973-),男,浙江东阳人,教授,硕士,主要从事软件测试、智能信息处理方面的研究
通信作者:张娜,E-mail: zhangna@zstu.edu.cn
更新日期/Last Update: 2019-03-19