第135章 震惊,这个作者居然学会了(1/2)
连语法、关键词都不一定看的出来了。
后来一次又一次地把每周奖励替换成对小C的升级迭代，又融合了后来的语言反应智能模块。
这下，苏航是彻底看不懂了。
苏航在手机上敲着一个语音小程序。
前两天老妈和他抱怨，这个手机上的字太小了，一些软件功能也不会用，说明的字体就更小了，每次都要眯着眼睛才看得清。
苏航手把手地把每一个常用软件给老妈讲清楚了，还把字体调大，但还是觉得不太保险。
苏航挠挠头。
发际线不知不觉上移中…
他只好从比较清楚的方向，语音识别来开展工作。
一开始他以为，语音识别也就那样吧，应该不难。
不过就是自然语言的处理嘛。
其原理，也就是输入声波信号，并将其转化为文本序列。
而输入的时候，需要去噪声。
苏航之前再数学建模的时候就已经了解过所谓的去噪声，那时董利老师还特地拿这个问题考了苏航一下。
有的时候，这个步骤一不小心就跳过了。
声波中的噪声就更是格外明显。
最容易认知到的就是环境噪声，当然还有一些由于保真啊什么的导致噪声干扰。
这个苏航还是会的。
分帧、加窗、预加重、特征提取。
选择特征参数，基音周期，共振峰，短时平均能量或幅度，线性预测系数，感知加权预测系数，短时平均过零率，线性预测倒谱系数，自相关函数，梅尔倒谱系数，小波变换系数，经验模态分解系数，伽马通滤波器系数…
苏航写写画画，不得不说，数学真的好用，不愧是第一大理科学类。
数学就像是退而织网一样，不去想这网有什么用，就慢慢地、自顾自地发展着，等到那一天，渔夫（物理学家等科学家）突然发现这网太好用了，以前想都不敢想的大鱼，也可以轻松捕获，才开始感慨那些看似没用的数学。
比如黎曼几何，在数十年后的广义相对论才体现出它惊人的价值。
以前，数理不分家，渔夫要捞什么样的鱼，就得自己去织网。
而现在，数学似乎和物理分成了两门学科。
但是实际上，数学却依旧为所有的学课提供着最有力的工具。
苏航最初以数学作为突破口，也是存了这样的心思。
高屋建瓴、居高临下地从数学入手，对其它专业各个击破。
把握重点论，抓住主要矛盾，何愁大业不兴。
苏航很快就准备好了信号处理和特征提取。
当然离不开小C的帮忙。
接下来就是测试语音训练和利用欧氏距离、协方差矩阵、贝叶斯距离来进行失真判决。
通常来说，语音识别技术可以分为三类。
模型匹配、概率统计、辨别器分类。
苏航选择的是神经网络的方法，属于辨别器分类方法之一。
基于循环神经网络和长短时记忆模块进行建模。
循环神经网络在深度神经网络的隐层上增加了一个反馈连接，这让它更加适合用在时序信号的建模上，还有一定的记忆功能，也即可以根据上下文语境来做出判断和决策。
引入长短时记忆模块则是为了解决传统简单RNN梯度消失等问题。
不过苏航发现一个问题。
爸妈说话并不算是特别标准的普通话，方言、口音混杂，这也就意味着自己要么自己输入训练数据，要么就得找相关公司、领域研究所的数据库来训练。
而且训练数据不一定准确够用。
比如自己输入，就这放假七天，就算爸妈一刻不停的说话，连续24小时也没用啊。
不够多，最后形成的模型就不够精确。
更重要的是，这也不足以实现之前的目标。
自己做出来的也只是一个类似于市面上的语音助手，甚至还不如他们的。
所以，苏航停下笔。
要不花一笔积分吧。
分出一个小小C来？
那这可不就有了一个超智能助手了？
而且，小C强大的学习能力是它最大的优势。
这让小C可以不需要预先投喂大量的数据，而是一边使用，一边学习改进。
自适应，这才是小C最大的优势。
而且，有小C跟着爸妈，苏航也放心一些。
现在网络诈骗、推销骗子这么多，苏航觉得有必要防范一下。
一般的手机助手可能识别不了诈骗，但是小C可以啊。
这就给小C再开一个域名，就开那个法律文书网。
让小C好好学一学法律规范。
再输入一些防诈骗手册和案例教学。
这何愁会被骗啊。
小C的未来不可限量啊，不过得找个时间给它换个载体了。
这台移动工作站时不时的发烧，苏航还真担心哪天就给烧坏了。
说干就干。
苏航呼出了系统界面。
此时积分已经相当的富余了，毕竟苏航近期没有怎么花过积分。
询问系统，答复果然是肯定的。
而且和以往一样，允许使用每周奖励机会来替代部分积分。
苏航毫不犹豫地用奖励做了替换。
这周要回家，根本没怎么好好学习，换来的奖励说不定又是那种很菜的。
这样的话，其实就相当于把每周奖励换成了自己想要的东西。
后来一次又一次地把每周奖励替换成对小C的升级迭代，又融合了后来的语言反应智能模块。
这下，苏航是彻底看不懂了。
苏航在手机上敲着一个语音小程序。
前两天老妈和他抱怨，这个手机上的字太小了，一些软件功能也不会用，说明的字体就更小了，每次都要眯着眼睛才看得清。
苏航手把手地把每一个常用软件给老妈讲清楚了，还把字体调大，但还是觉得不太保险。
苏航挠挠头。
发际线不知不觉上移中…
他只好从比较清楚的方向，语音识别来开展工作。
一开始他以为，语音识别也就那样吧，应该不难。
不过就是自然语言的处理嘛。
其原理，也就是输入声波信号，并将其转化为文本序列。
而输入的时候，需要去噪声。
苏航之前再数学建模的时候就已经了解过所谓的去噪声，那时董利老师还特地拿这个问题考了苏航一下。
有的时候，这个步骤一不小心就跳过了。
声波中的噪声就更是格外明显。
最容易认知到的就是环境噪声，当然还有一些由于保真啊什么的导致噪声干扰。
这个苏航还是会的。
分帧、加窗、预加重、特征提取。
选择特征参数，基音周期，共振峰，短时平均能量或幅度，线性预测系数，感知加权预测系数，短时平均过零率，线性预测倒谱系数，自相关函数，梅尔倒谱系数，小波变换系数，经验模态分解系数，伽马通滤波器系数…
苏航写写画画，不得不说，数学真的好用，不愧是第一大理科学类。
数学就像是退而织网一样，不去想这网有什么用，就慢慢地、自顾自地发展着，等到那一天，渔夫（物理学家等科学家）突然发现这网太好用了，以前想都不敢想的大鱼，也可以轻松捕获，才开始感慨那些看似没用的数学。
比如黎曼几何，在数十年后的广义相对论才体现出它惊人的价值。
以前，数理不分家，渔夫要捞什么样的鱼，就得自己去织网。
而现在，数学似乎和物理分成了两门学科。
但是实际上，数学却依旧为所有的学课提供着最有力的工具。
苏航最初以数学作为突破口，也是存了这样的心思。
高屋建瓴、居高临下地从数学入手，对其它专业各个击破。
把握重点论，抓住主要矛盾，何愁大业不兴。
苏航很快就准备好了信号处理和特征提取。
当然离不开小C的帮忙。
接下来就是测试语音训练和利用欧氏距离、协方差矩阵、贝叶斯距离来进行失真判决。
通常来说，语音识别技术可以分为三类。
模型匹配、概率统计、辨别器分类。
苏航选择的是神经网络的方法，属于辨别器分类方法之一。
基于循环神经网络和长短时记忆模块进行建模。
循环神经网络在深度神经网络的隐层上增加了一个反馈连接，这让它更加适合用在时序信号的建模上，还有一定的记忆功能，也即可以根据上下文语境来做出判断和决策。
引入长短时记忆模块则是为了解决传统简单RNN梯度消失等问题。
不过苏航发现一个问题。
爸妈说话并不算是特别标准的普通话，方言、口音混杂，这也就意味着自己要么自己输入训练数据，要么就得找相关公司、领域研究所的数据库来训练。
而且训练数据不一定准确够用。
比如自己输入，就这放假七天，就算爸妈一刻不停的说话，连续24小时也没用啊。
不够多，最后形成的模型就不够精确。
更重要的是，这也不足以实现之前的目标。
自己做出来的也只是一个类似于市面上的语音助手，甚至还不如他们的。
所以，苏航停下笔。
要不花一笔积分吧。
分出一个小小C来？
那这可不就有了一个超智能助手了？
而且，小C强大的学习能力是它最大的优势。
这让小C可以不需要预先投喂大量的数据，而是一边使用，一边学习改进。
自适应，这才是小C最大的优势。
而且，有小C跟着爸妈，苏航也放心一些。
现在网络诈骗、推销骗子这么多，苏航觉得有必要防范一下。
一般的手机助手可能识别不了诈骗，但是小C可以啊。
这就给小C再开一个域名，就开那个法律文书网。
让小C好好学一学法律规范。
再输入一些防诈骗手册和案例教学。
这何愁会被骗啊。
小C的未来不可限量啊，不过得找个时间给它换个载体了。
这台移动工作站时不时的发烧，苏航还真担心哪天就给烧坏了。
说干就干。
苏航呼出了系统界面。
此时积分已经相当的富余了，毕竟苏航近期没有怎么花过积分。
询问系统，答复果然是肯定的。
而且和以往一样，允许使用每周奖励机会来替代部分积分。
苏航毫不犹豫地用奖励做了替换。
这周要回家，根本没怎么好好学习，换来的奖励说不定又是那种很菜的。
这样的话，其实就相当于把每周奖励换成了自己想要的东西。
本章未完，点击下一页继续阅读