weixin_46714700的博客

语音识别基础与发展语音识别全称为“自动语音识别”，Automatic Speech Recognition (ASR), 一般是指将语音序列转换成文本序列。语音识别最终是统计优化问题，给定输入序列O={O1,…,On}，寻找最可能的词序列W={W1,…,Wm}，即寻找使得概率P(W|O)最大的词序列。传统机器学习，基于统计的GMM-HMM，其中HMM （隐马尔可夫模型，Hidden Markov Model）用来描述信号动态特性（即语音信号相邻帧间的相关性），GMM（高斯混合模型，Gaussian Mi

1、过拟合和欠拟合可以看出，图（a）是欠拟合的情况，拟合的黄线没有很好地捕捉到数据的特征，不能够很好地拟合数据。图（c）则是过拟合的情况，模型过于复杂，把噪声数据的特征也学习到模型中，导致模型泛化能力下降，在后期应用过程中很容易输出错误的预测结果。过拟合是指模型对于训练数据拟合呈过当的情况，反映到评估指标上，就是模型在训练集上的表现很好，但在测试集和新数据上的表现较差。欠拟合指的是模型在训练和预测时表现都不好的情况。2、泛化误差、偏差和方差模型调优，第一步是要找准目标：我们要做什么？一般来说，这个

1、相关包导入以及特征提取max_file可以控制导入每个文件夹特征的数量2、建立模型建立CNN模型卷积神经网络CNN的结构一般包含这几个层：1)输入层：用于数据的输入2)卷积层：使用卷积核进行特征提取和特征映射------>可以多次重复使用3)激励层：由于卷积也是一种线性运算，因此需要增加非线性映射(也就是激活函数)4)池化层：进行下采样，对特征图稀疏处理，减少数据运算量----->可以多次重复使用5）Flatten操作：将二维的向量，拉直为一维的向量，从而可以放入下一层的

LSTM模型CPU版运行步骤1、配置环境2、下载相关文件3、代码修改并运行1、配置环境不同电脑配置不一样，思路是1、先安装anaconda，配置好环境，清华源或者其它的镜像源2、根据电脑配置装需要的包3、运行试错，根据问题查找资料解决，一直到解决问题，因为安装相关的包，网络环境问题，需要提前配置好镜像源，提高效率。碰到相关问题比较多后，我会用pip list先看安装了什么包和电脑匹不匹配再进行解决相关FAQanaconda卡在loading applications 进不去，大神的评论解

1、特征提取背景通过音频的声波图和声谱图将声音可视化了。有音频数据之后，接下来就需要进行特征提取（过滤掉背景噪音等不需要的信息）筛选出需要的信息了。有这5个特征过零率 （Zero Crossing Rate）频谱质心 （Spectral Centroid）声谱衰减 (Spectral Roll-off）梅尔频率倒谱系数 （Mel-frequency cepstral coefficients ，MFCC）色度频率 （Chroma Frequencies2、常见的音频特征提取过零率过零率（

1、声音是如何产生的以理解声音的形式来看如何解读赛题数据，并进行分析声音以波的形式传播，即声波（Sound Wave）。当我们以波的视角来理解声音时，却又大繁若简起来：仅凭频率（Frequency）、 幅度（Magnitude）、相位（Phase）便构成了波及其叠加的所有，声音的不同音高（Pitch）、音量（Loudness）、音色（Timbre） 也由这些基本“粒子”组合而来。2、赛题数据集介绍声音分类在很多场景中都有大模型的应用，例如对音乐的分类可以应用于音乐检索和音乐推荐中； 对人声的分类可以

环境配置由于环境配置上碰到了很多坑，配置思路是1、先安装anaconda，配置好环境，清华源2、根据电脑配置装需要的包3、运行试错，根据问题查找资料解决，一直到解决问题，因为安装相关的包，网络环境问题，需要提前配置好镜像源，提高效率。碰到相关问题比较多后，我会用pip list先看安装了什么包和电脑匹不匹配再进行解决anaconda卡在loading applications 进不去，大神的评论解决了这个问题anaconda3\Lib\site-packages\anaconda_navigat