复杂环境下语音信号处理的深度学习方法
全新正版 极速发货
¥
112.03
6.7折
¥
168
全新
库存6件
作者张晓雷
出版社清华大学出版社
ISBN9787302590002
出版时间2022-01
装帧精装
开本16开
定价168元
货号1202580653
上书时间2024-09-04
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
张晓雷,西北工业大学教授,博导,入选国家千人计划青年项目、陕西省百人计划青年项目。清华大学博士、美国俄亥俄州立大学博士后。从事声信号与语音处理,机器学习,人工智能的研究工作。在Neural Networks、IEEE TPAMI、IEEE TASLP、IEEE TCYB、IEEE TSMCB等期刊、会议发表论文50余篇。合著译著1部。承担国家重点研发计划、国家自然科学基金重点项目等省部级以上项目10余项。论文“Multilayer Bootstrap Networks”获得靠前神经网络学会与靠前很好期刊《Neural Networks》联合授予的2020年度专享很好论文奖。获得亚太信号与信息处理学会杰出讲者称号、UbiMedia 2019靠前会议很好论文奖、北京市科学技术一等奖、教育部科技成果完成者荣誉称号。研究成果在国内三大电信运营商、金融、交通、保险等行业的20余家主流企业成功应用。
目录
第1章绪论
第2章深度学习基础
2.1有监督学习
2.2单层神经网络
2.2.1基本模型
2.2.2激活函数
2.3前馈深度神经网络
2.3.1反向传播算法
2.3.2正则化
2.4循环神经网络
2.4.1循环神经网络基础
2.4.2长短时记忆网络
2.4.3门控循环神经网络
2.4.4深层RNN结构
2.4.5序列数据的RNN建模框架
2.5卷积神经网络
2.5.1卷积神经网络基础
2.5.2其他卷积形式
2.5.3残差神经网络
2.5.4时序卷积网络
2.6神经网络中的归-化
2.6.1批归-化
2.6.2层归-化
2.7神经网络中的注意力机制
2.7.1编码器-解码器框架
2.7.2编码器,注意力机制一解码器框架
2.7.3单调注意力机制
2.7.4Transformer
2.8生成对抗网络
2.8.1基本结构
2.8.2模型训练
2.9本章小结
第3章语音检测
3.1引言
3.2基本知识
3.2.1信号模型
3.2.2评价指标
3.3语音检测模型
3.3.1语音检测模型的基本框架
3.3.2基于深度置信网络的语音检测
3.3.3基于降噪深度神经网络的语音检测
3.3.4基于多分辨率堆栈的语音检测模型框架
3.4语音检测模型的损失函数
3.4.1最小化交叉熵
3.4.2最小均方误差
3.4.3优选化ROC曲线下面积
3.5语音检测的声学特征
3.5.1短时傅里叶变换的频带选择
3.5.2多分辨率类耳蜗频谱特征
3.6模型的泛化能力
3.7本章小结
第4章单通道语音增强
4.1引言
4.2基本知识
4.2.1信号模型
4.2.2评价指标
4.3频域语音增强
……
第5章多通道语音增强
第6章多说话人语音分离
第7章声纹识别
第8章语音识别
参考文献
内容摘要
语音降噪处理是信号处理的重要分支领域。近年来,该领域在人工智能与深度学习技术的驱动下取得了突破性进展。本书系统总结语音降噪处理的深度学习方法,尽可能涵盖该方法的前沿进展。全书共分8章。第1章是绪论;第2章介绍深度学习的基础知识和常见的深度网络模型;第3~6章集中介绍基于深度学习的语音降噪处理前端算法,其中,第3章介绍语音检测,第4章介绍单通道语音增强,第5章介绍多通道语音增强,第6章介绍多说话人语音分离;第7章和第8章分别介绍基于深度学习的语音降噪处理在声纹识别和语音识别方面的应用,其中着重介绍基于深度学习的现代声纹识别、语音识别基础和前沿进展。本书专业性较强,主要面向具备一定语音信号处理和机器学习基础、致力于从事智能语音处理相关工作的高年级本科生、研究生和专业技术人员。
主编推荐
本书将以中文抢先发售全面介绍基于深度学习的鲁棒语音处理的发展,具体包括语音检测、单通道语音增强、多通道语音增强、语音分离、鲁棒声纹识别与鲁棒语音识别。
— 没有更多了 —
以下为对购买帮助不大的评价