基于双字典类标签语言模型的电力调度语音识别

来源 :电子测量技术 | 被引量 : 0次 | 上传用户:zhouxifengli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
语言模型的效果关系到电力调度语音识别系统的识别准确性.为了提高电力调度语音识别的精度,提出一种基于双字典(通用字典和电力调度领域词字典)的类标签语言模型,该模型以n-gram语言模型为基础加以改进并添加类标签信息,进而提升电力调度语音识别的准确性;同时提出了一种基于双字典的分词、词性标注的联合系统,用于语料的分词、类标签标注任务,从而提高基于双字典的类标签语言模型对电力调度语言的适应性.最后,在采集到的电力调度指令集上对所提语言模型和常用统计语言模型进行了对比实验.此外还通过实验对联合系统和其他分词、词性标注系统进行了对比.仿真结果表明联合系统的分词、词性标注效率更高.考虑了语义信息、字典、分词和词性标注系统等综合因素的类标签语言模型在电力调度语言识别的准确率更高,词错误率只有4.14%.
其他文献
4月9日,当传PLUS战队的五个人走进万科广场一楼,准备参加第三届王者荣耀全国大赛在北京举行的华北赛区海选时,看着众多聚在一起、摩拳擦掌的年轻选手,几个人很快就被这种情绪感染,变得兴奋起来。  而当杭州谜鹿战队的五名年轻队员走进位于温州的东南赛区大区联赛总决赛的场馆时,也带着类似的情绪。他、她和他们  在赛前的宣传片里,金镶玉非遗传承人杨晓雅女士说:“金镶玉并不需要特定的材料,只要材质得当,任何一
期刊
在天空背景的红外图像序列中检测低信噪比的弱小目标时,单纯的传统算法在不同程度上存在预处理过程复杂、特征设计困难、控制参数难以确定、检测准确率低等问题。通过引入深度学习技术,提出一种结合算法,可以显著提高算法的检测效果。在红外图像序列中,首先在起始帧中利用基于YOLOv3的时空特征提取网络高准确率地检测运动目标,再在后续帧中依据目标的速度和亮度特性,使用基于局部对比度特征的传统方法对目标进行快速检测
针对并网逆变器功率控制中电流的高精度反馈及其故障监测中实时电流检测的需求,提出了一种基于Sigma-Delta ADC技术的逆变器并网电流采集和快速过流检测方法。该方法利用两个抽取速率不同的Sinc3滤波器分别对经滤波处理后的调制数据流进行解调,实现了对同一调制数据流的灵活使用,数据流由二阶ΣΔ调制器调制产生,Sinc3滤波器均在数字信号处理器(DSP)内部实现。测试结果表明所提方法实现了逆变器并网电流的13位有效位数的高精度隔离采样和3.4μs的快速过流检测。
针对平衡小车强耦合、非线性和自然不稳定等特点以及常规PID控制时存在的平衡困难、可靠性低等缺陷,将常规的PID控制与单神经元控制思想相结合,通过平衡小车装置输入的误差值,根据学习规则自我学习、在线调整各控制环节参数并进行比例、积分和微分控制,再由模糊控制器对其增益系数进行自整定,以此提升系统的自适应能力。最后,通过MATLAB仿真,将所提出的控制器与常规PID控制器进行对比,验证了所提出方法的优越性,并得出改进后的单神经元PID控制器具有较好的跟踪性能和抗干扰能力。