搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評論與回復(fù)
      VIP于 到期 續(xù)費
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動

      完善資料讓更多小伙伴認識你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      卷積神經(jīng)網(wǎng)絡(luò)與計算神經(jīng)科學(xué)的結(jié)合

      姚小熊27 ? 來源：人工智能實驗室 ? 作者：人工智能實驗室 ? 2021-02-21 09:20 ? 次閱讀

      CoNNear是具有卷積和跳過連接的全卷積編碼器-解碼器NN，可將音頻輸入映射到時域中不同耳蝸部分（N CF）的201 BM振動輸出。

      a，b，具有（a）和不具有（b）上下文的CoNNear體系結(jié)構(gòu)。最終的CoNNear模型具有四個編碼器和解碼器層，使用上下文，并且在CNN層之間包括tanh激活功能。c，模型訓(xùn)練和評估程序的概述。作為參考，對語音語料庫的分析性TL模型仿真用于訓(xùn)練CoNNear參數(shù)，而模型的評估是使用耳蝸力學(xué)研究中普遍采用的簡單聲學(xué)刺激進行的。

      將卷積神經(jīng)網(wǎng)絡(luò)與計算神經(jīng)科學(xué)相結(jié)合，創(chuàng)建了一個模擬人類耳蝸力學(xué)的模型。在過去的幾十年中，語音和語音識別技術(shù)取得了長足的進步。例如，通常由基于電話的代理為客戶提供服務(wù)。而且，智能手機上的語音識別和響應(yīng)系統(tǒng)已經(jīng)無處不在。但是它們都具有一個共同點，那就是盡管它們看起來很像，但它們都不是實時操作的。每個都基于處理所聽到內(nèi)容的硬件和軟件。在這項新的工作中，研究人員建議當(dāng)前設(shè)備的問題在于必須完成的計算所涉及的復(fù)雜性。

      為了解決這個問題，他們創(chuàng)建了一個模擬人類聽力的模型，該模型基于將卷積神經(jīng)網(wǎng)絡(luò)的最佳功能與計算神經(jīng)科學(xué)融合在一起。人類的聽力來自耳朵的各個部位。聲音進入耳道并撞擊鼓膜。耳膜響應(yīng)振動，將信號發(fā)送到內(nèi)耳的骨骼，從而在耳蝸內(nèi)的液體中產(chǎn)生波紋。那種液體攪動著耳蝸內(nèi)的毛細胞。毛細胞的運動會刺激離子通道，進而產(chǎn)生發(fā)送到腦干的信號。

      研究人員創(chuàng)建了一個AI系統(tǒng)，該系統(tǒng)被教給識別聲音，然后以類似的方式對其進行解碼。然后，他們將系統(tǒng)連接到基于人體解剖學(xué)的模型。他們將他們的系統(tǒng)命名為CoNNear-耳蝸的工作模型。測試表明，該系統(tǒng)能夠?qū)?0 kHz采樣的聲波波形實時轉(zhuǎn)換為耳蝸基底膜波形，大大超越了最先進的傳統(tǒng)系統(tǒng)。CoNNear的耳蝸功能比目前的助聽器技術(shù)快2000倍。研究人員認為，他們的發(fā)現(xiàn)可能為新一代類人聽力或增強的聽力和語音識別設(shè)備奠定基矗。
      責(zé)任編輯：YYX

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。 舉報投訴
      • 解碼器
        +關(guān)注

        關(guān)注

        9

        文章

        1144

        瀏覽量

        40827
      • 編碼器
        +關(guān)注

        關(guān)注

        45

        文章

        3655

        瀏覽量

        134875
      • 神經(jīng)網(wǎng)絡(luò)

        關(guān)注

        42

        文章

        4776

        瀏覽量

        100948
      收藏 人收藏

        評論

        相關(guān)推薦

        卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

        神經(jīng)網(wǎng)絡(luò)，也稱為全連接神經(jīng)網(wǎng)絡(luò)（Fully Connected Neural Networks，F(xiàn)CNs），其特點是每一層的每個神經(jīng)元都與下一層的所有神經(jīng)元相連。這種結(jié)構(gòu)簡單直觀，但在
        的頭像 發(fā)表于 11-15 14:53 ?609次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)（Feedf
        的頭像 發(fā)表于 11-15 14:47 ?869次閱讀

        全卷積神經(jīng)網(wǎng)絡(luò)的工作原理和應(yīng)用

        全卷積神經(jīng)網(wǎng)絡(luò)（FCN）是深度學(xué)習(xí)領(lǐng)域中的一種特殊類型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，尤其在計算機視覺領(lǐng)域表現(xiàn)出色。它通過全局平均池化或轉(zhuǎn)置卷積處理任意尺寸
        的頭像 發(fā)表于 07-11 11:50 ?1227次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是兩種在人工智能和機器學(xué)習(xí)領(lǐng)域
        的頭像 發(fā)表于 07-10 15:24 ?1660次閱讀

        循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

        循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 07-04 14:24 ?1399次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別

        在深度學(xué)習(xí)領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks, RNN）是兩種極其重要
        的頭像 發(fā)表于 07-03 16:12 ?3561次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)原理

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的
        的頭像 發(fā)表于 07-03 10:49 ?590次閱讀

        bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 07-03 10:12 ?1283次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)分類方法有哪些

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像分類、目標(biāo)檢測、語義分割等計算機視覺任務(wù)。本文將詳細介紹卷積
        的頭像 發(fā)表于 07-03 09:40 ?506次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)計算過程和步驟

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的
        的頭像 發(fā)表于 07-03 09:36 ?663次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的
        的頭像 發(fā)表于 07-03 09:15 ?457次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的原理與實現(xiàn)

        1.卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋
        的頭像 發(fā)表于 07-02 16:47 ?648次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其功能

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的基
        的頭像 發(fā)表于 07-02 14:45 ?2451次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等領(lǐng)域。本文將詳細介紹卷積神經(jīng)網(wǎng)絡(luò)的原
        的頭像 發(fā)表于 07-02 14:44 ?718次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）和BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Networks，簡稱BPNN）是兩種
        的頭像 發(fā)表于 07-02 14:24 ?4490次閱讀