[发明专利]融合多种端到端神经网络结构的说话人感冒症状识别方法在审
| 申请号： | 201710146957.0 | 申请日： | 2017-03-13 |
| 公开（公告）号： | CN107068167A | 公开（公告）日： | 2017-08-18 |
| 发明（设计）人： | 李明;倪志东 | 申请（专利权）人： | 广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学 |
| 主分类号： | G10L25/66 | 分类号： | G10L25/66;G10L25/30;G10L25/24 |
| 代理公司： | 广州粤高专利商标代理有限公司44102 | 代理人： | 林丽明 |
| 地址： | 528300 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 融合 多种 端到端 神经网络 结构 说话 感冒 症状 识别 方法 | ||
1.融合多种端到端神经网络结构的说话人感冒症状识别方法，其特征在于：包括以下步骤：
S1.构建及训练输入为语音，识别网络为卷积神经网络和长短期记忆网络的端到端神经网络A；
S2.构建及训练输入为语音频谱，识别网络为卷积神经网络和长短期记忆网络的端到端神经网络B；
S3.构建及训练输入为语音频谱，识别网络为卷积神经网络和全连接网络的端到端神经网络C；
S4.构建及训练输入为语音MFCC特征/CQCC特征，识别网络为长短期记忆网络的端到端神经网络D；
S5.融合以上四种训练好的端到端神经网络进行说话人感冒症状识别。
2.根据权利要求1所述的融合多种端到端神经网络结构的说话人感冒症状识别方法，其特征在于：所述端到端神经网络A的卷积神经网络包括8个模块，每个模块均包括一维卷积层、ReLU激活层和一维最大池化层，其中一维卷积层的卷积核的大小为32，一维最大池化层的池化核的大小为2，池化步长为2。
3.根据权利要求1所述的融合多种端到端神经网络结构的说话人感冒症状识别方法，其特征在于：所述端到端神经网络B的卷积神经网络包括6个模块，每个模块包括二维卷积层、ReLU激活层和二维最大池化层；其中第一个卷积层使用7*7的卷积核，第二层使用5*5的卷积核，剩下4层使用3*3的卷积核；所有的最大池化层均使用3*3的池化核，池化步长为2。
4.根据权利要求1所述的融合多种端到端神经网络结构的说话人感冒症状识别方法，其特征在于：所述端到端神经网络C的卷积神经网络包括6个模块，每个模块包括二维卷积层、ReLU激活层和二维最大池化层；其中第一个卷积层使用7*7的卷积核，第二层使用5*5的卷积核，剩下4层使用3*3的卷积核；所有的最大池化层均使用3*3的池化核，池化步长为2。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学，未经广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710146957.0/1.html，转载请声明来源钻瓜专利网。
