王年松

作品数：3被引量：2H指数：1
导出分析报告
供职机构：安徽省公安厅更多>>
发文主题：神经网络关键词识别动态时间规整中间层ROU更多>>
发文领域：自动化与计算机技术政治法律电子电信更多>>
发文期刊：《小型微型计算机系统》《应用科学学报》更多>>
所获基金：安徽省自然科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-3
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于深度声纹特征转换网络的说话人识别攻击方法
《应用科学学报》2024年第5期782-794,共13页陶子钰 苏兆品 廉晨思 王年松 张国富 
安徽省重点研究与开发计划(No.202104d07020001);安徽省自然科学基金(No.2208085MF166)资助。
目前主流说话人识别(speaker identification,SID)系统的攻击方法主要基于快速梯度下降或映射式梯度下降算法,这些方法存在攻击效果不稳定、生成的攻击语音听觉质量不高等问题。为此提出一种基于深度声纹特征转换网络的自动说话人识别...
关键词：说话人识别 攻击语音 声纹特征转换 卷积神经网络 
基于Group-Res2Block的智能合成语音说话人确认方法
《应用科学学报》2024年第4期709-722,共14页李菲 苏兆品 王年松 杨波 张国富 
安徽省重点研究与开发计划(No.202004d07020011,No.202104d07020001);广东省类脑智能计算重点实验室开放课题(No.GBL202117);中央高校基本科研业务费专项资金项目(No.PA2021GDSK0073,No.PA2021GDSK0074,No.PA2022GDSK0037)资助。
针对现有说话人确认任务基于自然语音条件下并不适用于智能合成语音的问题,提出一种基于Group-Res2Block的智能合成语音说话人确认方法。首先,设计了Group-Res2Block结构,在Res2Block的基础上将当前分组与相邻前后分组进行合并形成新的...
关键词：说话人确认 智能合成语音 Group-Res2Block深度神经网络 多尺度特征 注意力机制 
采用深层神经网络中间层特征的关键词识别被引量：2
《小型微型计算机系统》2015年第7期1540-1544,共5页刘学 王年松 郭武 
安徽省自然科学基金项目(1408085MNL78)资助
在基于模板匹配的关键词识别中,提出采用深层神经网络的中间层特征(bottleneck,BN)作为特征输入,将其取代传统的声学参数来生成后验概率图.首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络,将所有的语音特征经过这个神经...
关键词：识别 分段动态时间规整 深层神经网络 中间层 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部