本发明涉及一种基于对位和声关系的lstm多轨音乐生成方法，属于计算机算法作曲领域。背景技术：随着计算机和神经网络算法的不断发展，人工智能已经应用到众多的领域。在音乐创作方面，利

• lstm

查看详情

本发明属于语音增强技术领域，涉及语音识别系统中语音信号的增强技术，具体涉及一种基于心理声学模型的lstm语音增强方法。背景技术：随着人工智能技术的不断发展，asr技术的应用也日

• 语音识别
• 声压级
• lstm
• 深度学习
• 网络模型

查看详情

本发明涉及生物识别和人工智能领域，也可应用于某些特殊行业，例如公安审讯、纪检委谈话等需要探知对象情绪变化的业务场景。背景技术：人类的发音机制是一个非常复杂的处理过程，为了做到这

• 算法
• lstm

查看详情

本发明属于语音及指令信息的处理技术领域：，尤其涉及一种基于神经网络的语音指令及身份识别方法。背景技术：：现在正处于一个人工智能飞速发展的时代，语音识别技术在各行各业中应用的越来

• 神经网络模型
• 迭代模型
• lstm

查看详情

[0001]本申请实施例涉及人工智能技术领域，并且更具体地，涉及一种语音信号处理方法、装置、电子设备和存储介质。背景技术：[0002]在机器学习方法中，长短记忆(longsho

• lstm
• 深度学习
• 信号处理
• 网络节点
• 特征提取

查看详情

[0001]本发明涉及语音通话技术领域，特别是涉及语音通话中语音增益控制方法及存储介质。背景技术：[0002]在会议通话中，瞬时噪声的出现会分散听众的注意力，如何妥善处理瞬时噪

• 神经网络模型
• 自动增益控制
• 修正系数
• 瞬时速度
• lstm

查看详情

[0001]本发明涉及语音情感识别技术领域，特别是涉及一种基于lstm(longshort-termmemory，长短期记忆网络)与cnn(convolutionalneura

• 机器人
• 卷积
• lstm
• 深度学习
• 网络模型

查看详情

本发明涉及工业机器人技术领域，具体涉及一种基于lstm工业机器人柔性关节迟滞误差补偿控制方法。背景技术：工业机器人具有重复精度高、自动化、安全且适用性强等优势。在智能制造的背景

• lstm
• 工业机器人
• 预测控制
• 神经网络

查看详情

本发明涉及智能体训练领域，特别是涉及一种面向无人系统模拟对抗的智能体训练方法及系统。背景技术：：美国国防部高级研究计划局(darpa)，计划在5年内推出了其革命性的“greml

• 归一化
• 特征向量
• lstm

查看详情

本发明涉及一种医疗感应数据流分类模型的构建方法，属于医疗感应数据处理的技术领域。背景技术：基于医疗感应数据的异常检测面临的一个主要问题是缺少有标签的数据。数据的标记需要专业的医

• 卷积
• 医疗
• 时间序列
• lstm
• 深度学习

查看详情