使用計(jì)算機(jī)幫助人們練習(xí)口語(yǔ)是常見(jiàn)手段,但目前存在一些問(wèn)題。首先,由于流暢性特征是基于人類(lèi)知識(shí)計(jì)算的,因此原始數(shù)據(jù)中包含的一些關(guān)鍵表示可能會(huì)丟失。其次,對(duì)模型的各個(gè)參數(shù)分別進(jìn)行優(yōu)化,使模型的性能處于次優(yōu)狀態(tài)。為了解決這些問(wèn)題,在此提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的英語(yǔ)口語(yǔ)流利性評(píng)分方法,該方法從原始的時(shí)域信號(hào)輸入中聯(lián)合學(xué)習(xí)特征提取和評(píng)分模型。實(shí)驗(yàn)結(jié)果表明,所提出的方法的評(píng)分結(jié)果較為準(zhǔn)確。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 系統(tǒng)概述
2 卷積神經(jīng)網(wǎng)絡(luò)
    2.1 卷積層
    2.2 池化層
    2.3 全連接層
    2.4 批歸一化
3 基于CNN的流利性評(píng)分模型
    3.1 評(píng)分模型
    3.2 基于CNN的評(píng)分模型
    3.3 權(quán)重初始化
4 實(shí)驗(yàn)與評(píng)估
    4.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
    4.2 模型結(jié)構(gòu)與結(jié)果
    4.3 流利度特征與可視化
5 結(jié)束語(yǔ)



本文編號(hào)：3795459