关键词检测是从连续语音流中检测预先定义的给定词的技术,是语音识别领域的一个重要应用。目前的关键词检测研究中,主流的方法是基于连续语音识别器的先识别后检测的两阶段方法,语音识别器的准确率对关键词检测有很大影响。本文首先在识别阶段引入深度学习技术来改善关键词检测算法的性能。进而针对识别阶段和检测阶段缺乏紧密联系,耦合度不够的问题,研究了侧重关键词的深度神经网络声学建模技术,利用非均匀的最小分类错误准则来调整深度神经网络声学建模中的参数,并利用Ada Boost算法来动态调整声学建模中的关键词权重。提出了一种基于分层的簇首成链路由协议LCCＲP，该协议综合了LEACH协议和PEＲASIS协议的优点，将网络分为层，并在每层中按照贪心算法成簇，整个网络数据传输分成两个阶段运行，第一阶段每层的节点将数据融合发送给邻居节点直到发送到簇首节点，第二阶段簇首节点选出剩余能量最大一个簇首节点作为Leader节点，并直接与基站通信。簇间通信由簇首选择离自己最近的簇首节点多跳传输。由仿真结果可得，改进的新协议在更大程度上能够优化节点能量，延长网络的生命周期，成链WSN路由协议-数控滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机倒角机并且分层的成链操作也可减小数据的传输时延。参结果表明,利用非均匀最小分类错误准则来调整深度神经网络参数进行优化的声学模型,可以提高关键词检测的性能。 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com 成链WSN路由协议-数控滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机倒角机广告点击率的预测是搜索广告进行投放的基础。目前已有的工作大多数使用线性模型或基于推荐方法的模型解决点击率预测问题,但这些方法没有对特征之间的关系进行深入的探索,无法完全体现广告点击预测中各个特征之间的关系。本文提出了基于卷积神经网络的搜索广告点击率预测的方法,阐述了卷积神经网络在特征的学习上模拟人的思维过程,并进一步分析了不同特征在广告点击率预测中的作用,在KDD Cup 2012中Track 2数据集上的实验结果验证了本文提出的方法能够提高搜索广告点击率的预测效果,其AUC值达到0.792 5据汇总后再簇首成链传送数据至基站。在此假设一个无线传感器网络的N个节点均匀分布在L(m)×L(m)的区域内。如果N等于100，即可假设每层的节点个数等于10，那么就把区域分成了10层，如图1所示。图1100个节点被分成10层Fi簇阶段在这个阶段，每层随机选择一个节点作为簇首，然后簇首节点向层的两端发送消息宣告自己是簇首节点，之后每层的端节点向距离自己最近的邻居节点发送数据，邻居节点接收到数据后、并将数据融合后再转发给自己的邻居节点，直到每层的数据都到达簇首。本文采用类似LEACH协议中的簇首选举机制，簇首选举公式如公式(3)所示。簇首选举成功之后，每层节点入簇，和LEACH协议不同的是节点不再根据收到信号强弱加入簇，而是由每层选举出来的簇首向层两端最远距离发送成链的信息，每层距离簇首最远的两个端点则将选择离自己最近的节点作为下一跳，最终每层的节点形成一条链通信。在此，研究中举例说明了某一层的成簇过程，具体如图2所示。图2中黑色的节点代表随机选出的簇首节点。在开始的时候层两端的节点收到由簇首发来的消息，两端的两个节点就可以把数据以及簇首的消息发送给邻居节点，邻居节点在收到上个节点发来的数据后将自己的数据与之融合再转发给邻居节点，以此类推直至数据都到达。 成链WSN路由协议-数控滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机倒角机 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com