随笔分类 -  ML

语音笔记：信号分析
摘要：语音信号处理要达到的一个目标，就是弄清楚语音中各个频率成分的分布。做这件事情的数学工具是傅里叶变换，但傅里叶变换要求输入信号是平稳的，而语音在宏观上来看是不平稳的（波形很不均匀）。语音信号特征是随时间变化而变化的，是一个非平稳的随机过程。但从微观上看，虽然语音信号具有时变特征，但在一个短时间内其特征 阅读全文
posted @ 2018-04-27 17:33 主題遠志 阅读(944) 评论(0) 推荐(0)
语音笔记：CTC
摘要：CTC全称，Connectionist temporal classification，可以理解为基于神经网络的时序类分类。语音识别中声学模型的训练属于监督学习，需要知道每一帧对应的label才能进行有效的训练，在训练的数据准备阶段必须要对语音进行强制对齐。对于语音的一帧数据，很难给出一个label 阅读全文
posted @ 2018-04-26 11:10 主題遠志 阅读(639) 评论(0) 推荐(0)
语音笔记：矢量量化
摘要：矢量量化（VQ，Vector Quantization）是一种极其重要的信号压缩方法。VQ在语音信号处理中占十分重要的地位。广泛应用于语音编码、语音识别和语音合成等领域。VQ是一种基于块编码规则的有损数据压缩方法。在 JPEG 和 MPEG-4 等多媒体压缩格式里都有 VQ的应用。它的基本思想是：将 阅读全文
posted @ 2018-04-04 10:49 主題遠志 阅读(743) 评论(0) 推荐(0)
语音笔记：MFCC
摘要：一，传统语音识别体系结构 二，MFCC特征提取 MFCC(Mel-frequency cepstral coefficients):梅尔频率倒谱系数。梅尔频率是基于人耳听觉特性提出来的， 它与Hz频率成非线性对应关系。梅尔频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。主 阅读全文
posted @ 2018-03-22 21:20 主題遠志 阅读(779) 评论(0) 推荐(0)
NLP笔记：词向量和语言模型
摘要：NLP问题如果要转化为机器学习问题，第一步是要找一种方法把这些符号数学化。 有两种常见的表示方法： One-hot Representation，这种方法把每个词表示为一个很长的向量。这个向量的维度是词表大小，其中绝大多数元素为 0，只有一个维度的值为 1，这个维度就代表了当前的词。例如[0,0,0 阅读全文
posted @ 2018-03-21 22:23 主題遠志 阅读(390) 评论(0) 推荐(0)
趟坑：使用pip安装TensorFlow
摘要：这几天在安装TensorFlow，看了很多教程，方法也试了几种。 最后还是用pip安装成功的，过程如下。 1.安装ubuntu后在 系统设置-软件与更新-附加驱动 里，更新N卡驱动。 （N卡官网下载run格式驱动手动安装比较麻烦，需要关闭X server，并禁止系统自带的开源驱动） 按照提示，重启。 阅读全文
posted @ 2018-02-03 20:13 主題遠志 阅读(40386) 评论(2) 推荐(0)