|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.
[6]包晓安,涂小妹,徐璐,等.基于扩展卷积神经网络与度量学习的指静脉识别[J].浙江理工大学学报,2020,43-44(自科二):232.
　BAO Xiaoan,TU Xiaomei,XU Lu,et al.Finger vein recognition based on extended convolutional neural networks and metric learning[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科二):232.
[7]潘海鹏,郝慧,苏雯.基于注意力机制与多尺度特征融合的人脸表情识别[J].浙江理工大学学报,2022,47-48(自科三):382.
　PAN Haipeng,HAO Hui,SU Wen.Facial expression recognition based on attention mechanism and multiscale feature fusion[J].Journal of Zhejiang Sci-Tech University,2022,47-48(自科二):382.
[8]郭波,吕文涛,余序宜,等.基于改进YOLOv5模型的织物疵点检测算法[J].浙江理工大学学报,2022,47-48(自科五):755.
　GUO Bo,LV Wentao,YU Xuyi,et al.Fabric defect detection algorithm based on improved YOLOv5 Model[J].Journal of Zhejiang Sci-Tech University,2022,47-48(自科二):755.
[9]廖龙杰,吕文涛,叶冬,等.基于深度学习的小目标检测算法研究进展[J].浙江理工大学学报,2023,49-50(自科三):331.
　LIAO Longjie,L Wentao,YE Dong,et al.Research progress of small target detection based on deep learning[J].Journal of Zhejiang Sci-Tech University,2023,49-50(自科二):331.
[10]任瀚实,周志宇,孙树森.基于通道注意力机制的室内场景深度图补全[J].浙江理工大学学报,2023,49-50(自科三):344.
　REN Hanshi,ZHOU Zhiyu,SUN Shusen.Depth map completion for indoor scenes based on the channel attention mechanism[J].Journal of Zhejiang Sci-Tech University,2023,49-50(自科二):344.

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