- 博客(4)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 batchsize和learning rate的影响
1、batchsize batchsize 影响模型的泛化能力。大的batchsize，减少训练时间，提高稳定性，这是由于batchsize较大时，minibatch数据的方差较小，这也意味着带来的梯度方差较小，梯度更加可信。噪声给模型带来的影响相应减小，在可信的梯度下，我们可以提高学习率。 batchsize大会降低模型的泛化能力，因为batchsize大意味着训练时间不够长，本质上不是batchsize的问题。2、learning rate 学习率直接影响模型的收敛...
2021-10-08 17:39:23
3683
原创 语音增强之谱减法
原理：假设噪声为加性噪声，通过从带噪语音谱中减去对噪声谱的估计，就可以得到纯净的信号谱。缺点：求减过程需要十分的谨慎，以免语音失真。减得太多语音失真，减得太少，则残留噪声过多 原理的详细说明 假设接收信号是y(n),纯净语音信号是x(n),加性噪声d（n），则y(n)=x(n)+d(n)两边做DFT,得Y(w)=X(w)+D(w)假设语音与噪声不相关，则纯净语音的功率...
2019-03-21 11:03:38
3946
原创 降噪算法概述
语音增强技术概述在通信过程中语音受到来自周围环境、传输媒介引入的噪声，使接收到的语音信号并非纯净的原始语音信号，而是受噪声污染的带噪语音信号。这里的“噪音”定义为所需语音信号以外的所有干扰信号。干扰信号可以是窄带的或宽带的、白噪声的或有色噪声的、声学的或电学的、加性的或乘性的，甚至可以是其它无关的语音。由噪声导致的语音质量的下降会使许多语音处理系统的性能急剧恶化。采用语音增强技术进行预处理...
2019-03-21 11:01:22
10038
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人