国产内射爽爽大片视频社区在线,在线影院无码免费看网址,国产亚洲欧美日韩在线一区,久久99精品一区二区三区,精品1区2区3区4区,福利日韩午夜视频在线,精品无码人妻一区二区三区,国产精品香蕉自产拍在线观看,国产在线69,天堂а在线地址8最新版,亚洲成av人在线观看天堂无码,亚洲欧美日韩自偷自拍,国产日韩欧美综合视频专区 ,97色情在线观看免费高清,32pao强力打造高清基地在线观看

      正常狀態(tài)下，人在說話時(shí)心理情感的波動(dòng)會(huì)引起聲壓、語氣、語速、停頓時(shí)間和發(fā)聲器官的微小變化，以及通過人體大腦皮層的生理反應(yīng)，利用心理學(xué)、生理學(xué)、神經(jīng)科學(xué)、信號(hào)分析處理、人工智能等的諸多前沿科技，檢測(cè)分析語音中某些特征參數(shù)的變化，因此，檢信智能通過監(jiān)測(cè)這些特征變化實(shí)現(xiàn)心理情感分析。

      根據(jù)當(dāng)前語音情感分析的不足，檢信智能通過多年語音情感識(shí)別技術(shù)的開發(fā)經(jīng)驗(yàn)，結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)具有記憶性、參數(shù)共享等特征，對(duì)序列的非線性特征在學(xué)習(xí)方面具有一定優(yōu)勢(shì)，利用基于LSTM（LongShort-Term Memory）長(zhǎng)短期記憶網(wǎng)絡(luò)，將一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò)，應(yīng)用于處理和預(yù)測(cè)時(shí)間序列中間隔和延遲相對(duì)較長(zhǎng)的重要事件，解決長(zhǎng)序列訓(xùn)練過程中的梯度消失和梯度爆炸問題。相比普通的RNN，LSTM能夠在更長(zhǎng)的序列中有更好的表現(xiàn)，通過將卷積操作引入長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)中，構(gòu)建完整的語音心理情感網(wǎng)絡(luò)模型，將語音進(jìn)行統(tǒng)一歸一化處理，再對(duì)統(tǒng)一歸一化處理的語音進(jìn)行分割之后，對(duì)割分的語音加窗分幀處理，并建立變長(zhǎng)數(shù)據(jù)的計(jì)算方式，將卷積操作引入長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)中，實(shí)現(xiàn)完整的語音情感識(shí)別網(wǎng)絡(luò)模型，并識(shí)別平靜、高興、吃驚、悲傷、憤怒、厭惡和恐懼7種情感功能。

目前市場(chǎng)上語音心理情感分析存在如下：
   (1)心理情感與語音特征的邏輯關(guān)系不夠明確；
   (2)從語音數(shù)據(jù)采集到語音特征的提取降噪處理不夠?qū)е滦畔⒌膿p失，而損失的信息影響最終心理情感檢測(cè)的 效果；
   (3)分類算法效果一定程度上依賴人為提取的語音特征，算法本身不具有特征學(xué)習(xí)能力。

      根據(jù)語音情感數(shù)據(jù)，檢信Allemotion平臺(tái)根據(jù)特有的情緒建模及神經(jīng)網(wǎng)絡(luò)獲得被測(cè)試者每一時(shí)刻或在說話片段中的害怕、排斥、沖突、期待、壓力、興奮、邏輯、比率、概率、分心、猶豫、認(rèn)知、緊張、壞感、想象、思考、潛意識(shí)、潛在情緒。

（1）系統(tǒng)的識(shí)別時(shí)延低于250ms。
         因?yàn)樵?span style="font-family: 微軟雅黑,Microsoft YaHei; font-size: 18px;">線語音情感識(shí)別，如果時(shí)延過高不但影響用戶體驗(yàn)，而且對(duì)后續(xù)的語音情感識(shí)別請(qǐng)求的處理時(shí)間就更加長(zhǎng)，發(fā)生堵塞。時(shí)延低是系統(tǒng)最重要的要求，要求系統(tǒng)對(duì)每個(gè)語音情感識(shí)別的請(qǐng)求處理時(shí)間低于250ms。
（2）能夠處理大規(guī)模并發(fā)任務(wù)請(qǐng)求。檢信ALLEMOTION語音情感識(shí)別具有并發(fā)任務(wù)處理能力。如果對(duì)語音情感識(shí)別任務(wù)的處理是串行的，則依然滿足不了大規(guī)模的應(yīng)用。
（3）利用采集針對(duì)性的語料進(jìn)行模型訓(xùn)練，并在引擎模塊中語音情感特征提取前加入語音降噪處理步驟，提高了情感識(shí)別率。原始語音信號(hào)從頻譜圖上可以看到語音數(shù)據(jù)中含有一些不規(guī)則信號(hào)的噪聲。下圖是經(jīng)過降噪之后的語音信號(hào)變得有規(guī)律，可以發(fā)現(xiàn)降噪效果還是明顯的。經(jīng)過降噪之后重新訓(xùn)練，明顯提高模型的效果，說明經(jīng)過降噪的語音有效降低環(huán)境噪聲和設(shè)備底噪對(duì)語音情感識(shí)別的影響。                   
  (4)  采用群體決策優(yōu)化神經(jīng)網(wǎng)絡(luò)方法。
        檢信ALLEMOTION采用群體決策的方法將訓(xùn)練集按照不同的組合條件，并選出每次交叉驗(yàn)證在測(cè)試集上識(shí)別效果最好的模型組成一個(gè)神經(jīng)網(wǎng)絡(luò)群，當(dāng)進(jìn)行識(shí)別時(shí)，神經(jīng)網(wǎng)絡(luò)群中的每個(gè)模型分別對(duì)當(dāng)前樣本進(jìn)行判斷給出情感標(biāo)簽，最后使用投票的方式給出最終識(shí)別結(jié)果。
（5）語音情感識(shí)別精度達(dá)到達(dá)到82%
（6）檢信ALLEMOTION語音情感識(shí)別工作穩(wěn)定性達(dá)到99.5% ，運(yùn)行可靠且有能力處理大規(guī)模并發(fā)任務(wù)。