seo外贸仿牌网站换域名,微信小程序直播平台,wordpress网站加速工具,青岛网络优化哪家专业1 目前的工作
1.1 数据
5692条3s且采集率为8000hz的鼾声与6824条3s且采集率为8000hz的其他类音频。通过FFT频谱转换为300个(30,513,1)的矩阵。训练集与测试集的比例为9#xff1a;1。数据集来源为google开源的数据集。
1.2 模型 图1. The proposed deep neural network arc…1 目前的工作
1.1 数据
5692条3s且采集率为8000hz的鼾声与6824条3s且采集率为8000hz的其他类音频。通过FFT频谱转换为300个(30,513,1)的矩阵。训练集与测试集的比例为91。数据集来源为google开源的数据集。
1.2 模型 图1. The proposed deep neural network architecture for snore detection.layer1: Conv2D(1, (3, 3), strides(1, 1), input_shape(30, 513, 1))。第一层为卷积核为3步长为1的卷积层输入为(30,513,1)的矩阵输出为(28,511,1)的矩阵。
layer2: Conv2D(1, (3, 3), strides(1, 1))。第二层为卷积核为3步长为1的卷积层输入为(28,511,1)的矩阵输出为(26,509,1)的矩阵。
layer3: Conv2D(1, (3, 3), strides(1, 1))。第三层为卷积核为3步长为1的卷积层输入为(26,509,1)的矩阵输出为(24,507,1)的矩阵。
layer4: Reshape((24, 507)通过reshape给矩阵降维将(24,507,1)转换为(24,507)。
Layer5: LSTM(2).输出为(2)的长短期记忆网络输入为(24,507)的矩阵输出为(2)的矩阵再接一个softmax激活函数。
1.3 优化器与损失函数
优化器选择的是学习率为0.0001的Adam优化器。
损失函数二分类交叉熵。
1.4 评价指标
预测正确的个数/总的测试样本个数。
1.5 测试结果
训练轮数为500轮采用10倍交叉验证得到最终测试结果为0.75。
2 下一步工作
2.1 数据
按鼾声、咳嗽、梦话、喷嚏收集数据负责人梁翔宇彭子峰最后梁翔宇汇总完成时间2021.10.26
2.2 语音预处理
调研语音事件检测方法对收集好的语音进行分割。方法调研并完成测试樊俊完成时间2021.10.26
2.3 模型优化
对现有模型进一步完善和优化比如将现在的FFT模型改为Q转换并能对网络有一定物理解释并思考Android端代码的开发。负责人容斌元完成时间2021.10.26
