通過(guò)MATLAB平臺(tái)建立一個(gè)GUI界面，接著對(duì)一組語(yǔ)音信號(hào)的輸入進(jìn)行預(yù)處理及端點(diǎn)檢測(cè)，提取特征參數(shù)（MFCC），形成參考模塊。然后再對(duì)一組相同的語(yǔ)音信號(hào)輸入進(jìn)行同樣的操作作為測(cè)試模塊，與參考模塊進(jìn)行DTW算法進(jìn)行匹配，輸出匹配后的識(shí)別結(jié)果。
標(biāo)簽： MATLAB 語(yǔ)音識(shí)別 算法設(shè)計(jì)
上傳時(shí)間： 2016-06-15
上傳用戶：sjr88
c語(yǔ)言經(jīng)典算法，有助于初學(xué)c語(yǔ)言的人，里邊有許多例子可以參考
上傳時(shí)間： 2017-06-02
上傳用戶：RTDJYC
基于語(yǔ)音短時(shí)對(duì)數(shù)譜的最小均方誤差(MMSE-LSA)算法是在MMSE算法的基礎(chǔ)之上發(fā)展起來(lái)的，由于其引入了人耳響度-幅度譜特性，因此能夠獲得比MMSE算法更好的語(yǔ)音聽覺質(zhì)量。
上傳時(shí)間： 2017-12-15
上傳用戶：zmhylez
人臉檢測(cè)是人臉分析的首要環(huán)節(jié)，其處理的問(wèn)題是確認(rèn)圖像（或影像）中是 否存在人臉，如果存在則對(duì)人臉進(jìn)行定位。人臉檢測(cè)的應(yīng)用領(lǐng)域相當(dāng)廣泛，是實(shí) 現(xiàn)機(jī)器智能化的重要步驟之一。 AdaBoost 算法是 1995 年提出的一種快速人臉檢測(cè)算法，是人臉檢測(cè)領(lǐng)域里 程碑式的進(jìn)步，這種算法根據(jù)弱學(xué)習(xí)的反饋，適應(yīng)性地調(diào)整假設(shè)的錯(cuò)誤率，使在 效率不降低的情況下，檢測(cè)正確率得到了很大的提高。 本論文第一章和第二章簡(jiǎn)述了人臉檢測(cè)的一般情況，第三章對(duì)一些人臉檢測(cè) 的經(jīng)典方法進(jìn)行了說(shuō)明。 第四章講述了 AdaBoost 算法的發(fā)展歷史。從 PCA 學(xué)習(xí)模型到弱學(xué)習(xí)和強(qiáng) 學(xué)習(xí)相互關(guān)系的論證，再到 Boosting 算法的最終提出，闡述了 Adaptive Boosting 算法的發(fā)展脈絡(luò)。 第五章對(duì)影響 AdaBoost 人臉檢測(cè)訓(xùn)練算法速度的至關(guān)重要的兩方面：矩形 特征和積分圖的概念和理論進(jìn)行了仔細(xì)的闡明。 第六章給出了 AdaBoost 的算法，并深入探討了其中的一些關(guān)鍵問(wèn)題——弱 學(xué)習(xí)器的構(gòu)造、選取等問(wèn)題。 最后一章，用編寫的實(shí)現(xiàn)了 AdaBoost 算法的 FáDèt 程序，給出了相應(yīng)的 人臉檢測(cè)實(shí)驗(yàn)結(jié)果，并和 Viola 等人的結(jié)果做了比較。
標(biāo)簽： AdaBoost 算法 人臉檢測(cè)
上傳時(shí)間： 2018-01-29
上傳用戶：dragon000008
sbc編解碼算法個(gè)人總結(jié)資料，僅供參考，僅供有緣人
上傳時(shí)間： 2019-08-27
上傳用戶：tiany
第一章 機(jī)器學(xué)習(xí)革命學(xué)習(xí)算法入門為何商業(yè)擁護(hù)機(jī)器學(xué)習(xí)給科學(xué)方法增壓10億個(gè)比爾·克林頓學(xué)習(xí)算法與國(guó)家安全我們將走向何方第二章 終極算法來(lái)自神經(jīng)科學(xué)的論證來(lái)自進(jìn)化論的論證來(lái)自物理學(xué)的論證來(lái)自統(tǒng)計(jì)學(xué)的論證來(lái)自計(jì)算機(jī)科學(xué)的論證機(jī)器學(xué)習(xí)算法與知識(shí)工程師天鵝咬了機(jī)器人終極算法是狐貍，還是刺猬我們正面臨什么危機(jī)新的萬(wàn)有理論未達(dá)標(biāo)準(zhǔn)的終極算法候選項(xiàng)機(jī)器學(xué)習(xí)的五大學(xué)派第三章 符號(hào)學(xué)派：休謨的歸納問(wèn)題特別說(shuō)明：僅作為愛好者學(xué)習(xí)使用（請(qǐng)勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學(xué)習(xí)分享，若覺得不錯(cuò)請(qǐng)購(gòu)買印刷版書籍。約不約“天下沒有免費(fèi)的午餐”定理對(duì)知識(shí)泵進(jìn)行預(yù)設(shè)如何征服世界在無(wú)知與幻覺之間你能信任的準(zhǔn)確度歸納是逆向的演繹掌握治愈癌癥的方法20問(wèn)游戲符號(hào)學(xué)派第四章 聯(lián)結(jié)學(xué)派：大腦如何學(xué)習(xí)感知器的興盛與衰亡物理學(xué)家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復(fù)仇一個(gè)完整的細(xì)胞模型大腦的更深處第五章 進(jìn)化學(xué)派：自然的學(xué)習(xí)算法達(dá)爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰(shuí)學(xué)得最快，誰(shuí)就會(huì)贏第六章 貝葉斯學(xué)派：在貝葉斯教堂里統(tǒng)治世界的定理所有模型都是錯(cuò)的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關(guān)聯(lián)，但不是直接關(guān)聯(lián)推理問(wèn)題掌握貝葉斯學(xué)派的方法馬爾可夫權(quán)衡證據(jù)邏輯與概率：一對(duì)不幸的組合第七章 類推學(xué)派：像什么就是什么完美另一半維數(shù)災(zāi)難空中蛇災(zāi)爬上梯子起床啦第八章 無(wú)師自通物以類聚，人以群分發(fā)現(xiàn)數(shù)據(jù)的形狀擁護(hù)享樂主義的機(jī)器人熟能生巧學(xué)會(huì)關(guān)聯(lián)第九章 解開迷惑萬(wàn)里挑一終極算法之城馬爾科夫邏輯網(wǎng)絡(luò)從休謨到你的家用機(jī)器人行星尺度機(jī)器學(xué)習(xí)醫(yī)生馬上來(lái)看你第十章 建立在機(jī)器學(xué)習(xí)之上的世界性、謊言和機(jī)器學(xué)習(xí)數(shù)碼鏡子充滿模型的社會(huì)分享與否？方式、地點(diǎn)如何？神經(jīng)網(wǎng)絡(luò)搶了我的工作戰(zhàn)爭(zhēng)不屬于人類谷歌＋終極算法=天網(wǎng)？進(jìn)化的第二部分
標(biāo)簽： 機(jī)器學(xué)習(xí) 人工智能
上傳時(shí)間： 2022-05-07
上傳用戶：
隨著人類社會(huì)的進(jìn)步，科學(xué)技術(shù)的發(fā)展日新月異，模擬人腦神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)網(wǎng)絡(luò)已取得了長(zhǎng)足的發(fā)展。經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)科學(xué)，人工智能，智能控制等方面得到了廣泛的應(yīng)用。當(dāng)代社會(huì)是一個(gè)講究效率的社會(huì)，科技更新領(lǐng)域也是如此。在人工神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域，算法的優(yōu)化顯得尤為重要，對(duì)提高網(wǎng)絡(luò)整體性能舉足輕重.BP神經(jīng)網(wǎng)絡(luò)模型是目前應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，對(duì)于解決非線性復(fù)雜問(wèn)題具有重要的意義。但是BP神經(jīng)網(wǎng)絡(luò)有其自身的一些不足（收斂速度慢和容易陷入局部極小值問(wèn)題），在解決某些現(xiàn)實(shí)問(wèn)題的時(shí)候顯得力不從心。針對(duì)這個(gè)問(wèn)題，本文利用遺傳算法的并行全局搜索的優(yōu)勢(shì)，能夠彌補(bǔ)BP網(wǎng)絡(luò)的不足，為解決大規(guī)模復(fù)雜問(wèn)題提供了廣闊的前景。本文將遺傳算法與BP網(wǎng)絡(luò)有機(jī)地結(jié)合起來(lái)，提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)，在穩(wěn)定性、學(xué)習(xí)性和效率方面都有了很大的提高。基于以上的研究目的，本文首先設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在此基礎(chǔ)上，應(yīng)用遺傳算法進(jìn)行優(yōu)化，達(dá)到了加快收斂速度和全局尋優(yōu)的效果。本文借助MATLAB平臺(tái)，對(duì)算法的優(yōu)化內(nèi)容進(jìn)行了仿真實(shí)驗(yàn)，得出的效果也符合期望值，實(shí)現(xiàn)了對(duì)BP算法優(yōu)化的目的。關(guān)鍵詞：生物神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)；BP網(wǎng)絡(luò)；遺傳算法；仿真隨著電子計(jì)算機(jī)的問(wèn)世及發(fā)展，人們?cè)噲D去了解人的大腦，進(jìn)而構(gòu)造具有人類思維的智能計(jì)算機(jī)。在具有人腦邏輯推理延伸能力的計(jì)算機(jī)戰(zhàn)勝人類棋手的同時(shí)，引發(fā)了人們對(duì)模擬人腦信息處理的人工神經(jīng)網(wǎng)絡(luò)的研究。1.1研究背景人工神經(jīng)網(wǎng)絡(luò)（Artificial Noural Networks，ANN）（注：簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)），是一種數(shù)學(xué)算法模型，能夠?qū)π畔⑦M(jìn)行分布式處理，它模仿了動(dòng)物的神經(jīng)網(wǎng)絡(luò)，是對(duì)動(dòng)物神經(jīng)網(wǎng)絡(luò)的一種具體描述。這種網(wǎng)絡(luò)依賴系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)節(jié)內(nèi)部大量節(jié)點(diǎn)之間的關(guān)系，最終實(shí)現(xiàn)信息處理的目的。人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)對(duì)輸入輸出數(shù)據(jù)的分析學(xué)習(xí)，掌握輸入與輸出之間的潛在規(guī)則，能夠?qū)π聰?shù)據(jù)進(jìn)行分析計(jì)算，推算出輸出結(jié)果，因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)具有自適應(yīng)和自學(xué)習(xí)的特性，這種學(xué)習(xí)適應(yīng)的過(guò)程被稱為“訓(xùn)練"。
標(biāo)簽： 遺傳算法 bp神經(jīng)網(wǎng)絡(luò) matlab
上傳時(shí)間： 2022-06-16
上傳用戶：jiabin
情感識(shí)別是機(jī)器通過(guò)識(shí)別和理解過(guò)程把人類的語(yǔ)音、表情和肢體語(yǔ)言中的情感信息識(shí)別出來(lái)。情感交互是機(jī)器通過(guò)接收人類的情感信息來(lái)模擬人類的情感決策過(guò)程，從而表達(dá)出自身情感的過(guò)程。本文的主要目標(biāo)是把虛擬人技術(shù)應(yīng)用到人機(jī)交互中，研究出具有情感識(shí)別功能和情感表達(dá)功能的機(jī)器。本文的具體工作和貢獻(xiàn)包括：第一，詳細(xì)描述虛擬人的三維模型和情感模型的建立過(guò)程。這里介紹了虛擬人實(shí)體的建立和控制，以及虛擬人的情感計(jì)算模型和情感決策機(jī)制。利用三維建模工具和游戲制作軟件，來(lái)建立虛擬人和虛擬場(chǎng)景，并通過(guò)對(duì)虛擬人控制模塊的設(shè)定來(lái)驅(qū)動(dòng)虛擬人的動(dòng)作和行為特點(diǎn)，這使虛擬人能夠從行為上表達(dá)情感。虛擬人的情感模型是虛擬人情感計(jì)算和決策的關(guān)鍵，是虛擬人具有情感能力的基礎(chǔ)。這里主要工作就是通過(guò)模擬人的情感計(jì)算過(guò)程和決策機(jī)制，來(lái)建立虛擬人的情感工作機(jī)制，從而控制虛擬人的情感計(jì)算過(guò)程，使虛擬人具有模擬人的情感表達(dá)的能力。第二，通過(guò)分析情感語(yǔ)音信號(hào)，來(lái)識(shí)別情感語(yǔ)音信號(hào)中的參數(shù)信息，并進(jìn)一步識(shí)別出情感語(yǔ)音信號(hào)中的情感信息。語(yǔ)音信號(hào)中的參數(shù)有多種，本文在比較和總結(jié)的基礎(chǔ)上，選定了三種參數(shù)來(lái)綜合的識(shí)別語(yǔ)音信號(hào)中的情感信息。在情感語(yǔ)音語(yǔ)料庫(kù)的基礎(chǔ)上建立了情感特征參數(shù)數(shù)據(jù)庫(kù)，這個(gè)數(shù)據(jù)庫(kù)的主要是建立特征參數(shù)的參數(shù)模型，為情感識(shí)別建立識(shí)別基礎(chǔ)。第三，利用隱馬爾科夫模型算法在語(yǔ)音信號(hào)識(shí)別上的優(yōu)點(diǎn)，來(lái)對(duì)情感語(yǔ)音信號(hào)進(jìn)行情感信息的識(shí)別。情感信息與語(yǔ)言信息有共同的聲學(xué)特征，只是二者反映的信息不同。通過(guò)情感語(yǔ)音信號(hào)的特征分析和理論驗(yàn)證，隱馬爾科夫模型是一個(gè)理想的選擇。實(shí)驗(yàn)證明，隱馬爾科夫模型在情感信息的識(shí)別上，表現(xiàn)出很好的識(shí)別效果和較高的識(shí)別率，為隱馬爾科夫模型的應(yīng)用提供了事實(shí)支持。第四，建立人機(jī)交互系統(tǒng)原型，通過(guò)對(duì)整個(gè)系統(tǒng)進(jìn)行測(cè)試和驗(yàn)證，來(lái)證明人機(jī)情感交互的可行性和科學(xué)性。驗(yàn)證主要通過(guò)情感識(shí)別和情感決策兩方面進(jìn)行，情感識(shí)別的主要是建立在情感語(yǔ)音識(shí)別的基礎(chǔ)上，情感決策就是通過(guò)驗(yàn)證虛擬人情感表達(dá)的結(jié)果跟期望值的對(duì)比結(jié)果。
標(biāo)簽： 情感虛擬人技術(shù) 人機(jī)交互
上傳時(shí)間： 2022-06-18
上傳用戶：jiabin
仿人機(jī)器人是真正字面意義上或狹義的“機(jī)器人”，其研究和發(fā)展代表了機(jī)器人學(xué)的尖端水平。有關(guān)仿人機(jī)器人的工作早在20多年前就開始了，當(dāng)時(shí)著重于雙足步行機(jī)的研究和開發(fā)。只是自從10年前本田推出仿人機(jī)器人P2后，仿人機(jī)器人的研發(fā)才形成了一個(gè)熱潮，至今方興末艾。除了日本推出了QR1（）、ASlM（）和HRP-2等著名的仿人機(jī)器人以外，中國(guó)、韓國(guó)、美國(guó)和歐洲等國(guó)家和地區(qū)也成功地研制了各自的仿人機(jī)器人。雖然仿人機(jī)器人的研究已成為機(jī)器入學(xué)中的一個(gè)重要分支，有很多研究人員和工程技術(shù)人員在這方面進(jìn)行了大量的學(xué)術(shù)研究和技術(shù)開發(fā)，并取得了豐碩的成果，但卻未見到系統(tǒng)地介紹和闡述仿人機(jī)器人的專著。在這種背景下，由日本產(chǎn)業(yè)技術(shù)綜合研究所棍田秀司等人著的《仿人機(jī)器人》奪得了先聲，填補(bǔ)了這方面的一個(gè)空白。據(jù)譯者所知，該書是第一部系統(tǒng)介紹仿人機(jī)器人的專著。書中既有對(duì)仿人機(jī)器人歷史發(fā)展的簡(jiǎn)明扼要的介紹，又有基本理論和分析，還有對(duì)實(shí)際機(jī)器人系統(tǒng)的引用。內(nèi)容包括仿人機(jī)器人學(xué)的運(yùn)動(dòng)學(xué)、ZMP和動(dòng)力學(xué)，雙足步態(tài)規(guī)劃和全身運(yùn)動(dòng)模式的生成和動(dòng)力學(xué)仿真等，是對(duì)10多年來(lái)仿人機(jī)器人的研究成果（尤其是作者們的成果）的總結(jié)，在一定程度上反映了當(dāng)今世界在仿人機(jī)器人上的最新發(fā)展和水平。這本學(xué)術(shù)專著并不是純理論介紹，幾乎所有的理論和算法都有實(shí)際機(jī)器人系統(tǒng)和平臺(tái)的支持，書中圖文并茂、深入淺出、內(nèi)容生動(dòng)。本書的日文原著由四位作者共同寫就，每位作者撰寫其最擅長(zhǎng)的專題。幾位作者都是產(chǎn)業(yè)技術(shù)綜合研究所屬下的智能系統(tǒng)研究所仿人機(jī)器人HRP-2研發(fā)小組的主要成員。《仿人機(jī)器人》是他們多年的學(xué)術(shù)研究和系統(tǒng)開發(fā)的概括。除日文原著外，還計(jì)劃推出英文、中文（即本書）、法文和德文版本，以五種文字向全世界出版發(fā)行。如果本書在中國(guó)的出版能對(duì)我國(guó)的機(jī)器人研究和開發(fā)有所啟發(fā)、幫助和推動(dòng)，那么譯者的初衷和愿望也就實(shí)現(xiàn)了。本書的翻譯主要基于英文手稿，并參考了日文原著。在翻譯過(guò)程中，譯者隨時(shí)與作者商討，力術(shù)翻譯準(zhǔn)確到位。盡管如此，因譯者的水平和時(shí)間所限，譯文中難免會(huì)有不妥甚至錯(cuò)誤之處，歡迎讀者批評(píng)和指正。
標(biāo)簽： 機(jī)器人
上傳時(shí)間： 2022-06-24
上傳用戶：
前言說(shuō)明控制的方法遠(yuǎn)遠(yuǎn)不止PID這一招，在許多場(chǎng)合也未必是最佳的控制算法。對(duì)于學(xué)習(xí)能力較好的師弟也可以再去尋求一種更優(yōu)秀的控制算法。PID的分類多如牛毛，例如：模糊PlD、數(shù)字PID、神經(jīng)元PID等等。另外，本文檔是參考幾十個(gè)PID相關(guān)文檔資料整合而成。由于個(gè)人能力等原因，從策劃、編輯、排版等花了一個(gè)多月的時(shí)間才完成此次PlD法的整合。為了更有針對(duì)性和有效性，本文檔主要講解數(shù)字PID及其變種（改進(jìn)式PID）：位置式和增量式。以及這兩種PID的C語(yǔ)言編程實(shí)現(xiàn)、參數(shù)的調(diào)整確定和PID控制的應(yīng)用。我們?yōu)槭裁匆肞ID岸法呢？原國(guó)很商單：其一，PlD是一種比較成熟的控制算法，而且還有許多基于PID的變種算法（簡(jiǎn)稱改進(jìn)式PID）。其二，資杜多，學(xué)習(xí)難度路低，入門快。其三，多屆師兄實(shí)踐過(guò)，感覺效果還不錯(cuò)！但每年資料成指數(shù)增長(zhǎng)，從上屆師兄那搭貝了好幾G資料，進(jìn)PID控制的文檔可以夸張的說(shuō)跟天上的“星星”一樣，看了之后眼花繚亂，而且有很多重復(fù)的。為了讓更多人能快速上手使用PID控制算法，結(jié)合個(gè)人經(jīng)驗(yàn)和相關(guān)文檔將它濃縮如下：
標(biāo)簽： pid算法
上傳時(shí)間： 2022-07-01
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
