原创 單通道噪聲抑制算法總結

單通道噪聲抑制算法主要分爲三個部分，噪聲估計，信噪比估計，增益計算。這三個部分的重要性依次遞減。 噪聲估計 根據統計的觀點，認爲噪聲成分會比語音成分更加的平穩。依此來區分噪聲和語音。噪聲估計有以下三大類的方法，最小值跟蹤，遞歸平滑，直

2018-12-07 14:28:33 25

原创 HTK 3.5解碼工具HVITE獨立工程

HTK3.5支持DNN HTK3.5支持DNN了，本來想做一個HMM+DNN的模型，作爲HMM+GMM的對比。但是HTK不支持實時的HMM+DNN解碼。原因有兩個。 HTK不支持實時的計算MFCC_0_D_A_Z的特徵，即無法實時計

2018-11-26 00:00:51 10

原创 什麼是濾波器的線性相位

數字信號處理最常見的面試題，請簡述FIR和IIR的區別。其中的一個區別是FIR可以方便地實現線性相位，而IIR很難實現線性相位。那這個線性相位指的是什麼呢？ 舉一個最簡單的FIR的例子，延遲。假設8kHz的採樣頻率，設計了一個FIR，

2018-11-06 23:44:25 54

原创 Ubuntu下Anaconda和Pycharm的配合使用

1.對於Ubuntu18.04，一開始會有一個系統默認的python解釋器，是3.6版本，位置在/usr/bin/python3.6。可以通過在terminal中輸入python或者python3來查看。因爲我已經安裝Anaconda

2018-09-17 23:44:24 1

原创 Introduction to Advanced Machine Learning, 第二週，Tensorflow-task（hse-aml/intro-to-dl，簡單註釋，答案，附圖）

這是俄羅斯高等經濟學院的系列課程第一門，Introduction to Advanced Machine Learning，第二週第一個編程作業。 這個作業一共兩個任務，難易程度：容易。 1. 熟悉TensorFlow，計算RMS

2018-09-02 04:33:42 7

原创 特徵值和奇異值分解(SVD)

特徵值分解和奇異值分解兩者有着很緊密的關係，兩者的目的都是爲了提取矩陣最重要的特徵。本節先解釋特徵值分解。先用一個實例來說明特徵值和特徵向量的起因和實際意義，然後給出定義，計算方法，python代碼以及其他解釋。 特徵值分解 實例 某城市

2018-09-02 03:42:40 1

原创 隱馬爾可夫模型學習筆記（之二，學習算法）

隱馬爾可夫模型的學習，根據訓練數據是包括觀測序列和狀態序列還是隻有觀測序列，可以分別由監督學習與非監督學習實現。由於監督學習需要使用訓練數據，而人工標註訓練數據往往代價很高，有時就會利用非監督學習的方法，即Baum-Welch算法（也就是

2018-09-02 03:42:35 1

原创 隱馬爾可夫模型學習筆記（之一，概率計算問題）

隱馬爾可夫模型的定義 隱馬爾可夫模型是關於時序的概率模型，描述由一個隱藏的馬爾可夫鏈隨機生成不可觀測的狀態隨機序列，再由各個狀態生成一個觀測而產生觀測隨機序列的過程。 隱馬爾可夫鏈隨機生成的狀態的序列，稱爲狀態序列（state seque

2018-09-02 03:42:35 2

原创 Coursera 吳恩達 DeepLearning Sequence model 第二週 Operations on word vectors

Operations on word vectors Welcome to your first assignment of this week! Because word embeddings are very computional

2018-09-02 03:42:35 2

原创 week1-MultilabelClassification (Natural language processing, 第一週作業，配圖，註釋)

這是俄羅斯高等經濟學院的系列課程第四門，Natural language processing，第一週編程作業。任務是利用BOW(bag of words)模型和TF-IDF( term frequency- inverse docume

2018-09-02 03:42:23 384

原创 RNN來解決命名實體識別問題（week2-NER，HSE-AML，Natural language processing, 第一週作業，配圖，註釋)

簡介 （本次筆記是基於HSE的課程natural language processing，第二週的作業。完整代碼在最後） 使用RNN來解決命名實體識別（NER）是NLP的常見問題。它能夠將文字中的實體提取出來，比如人名，組織，地名等。這

2018-09-02 03:42:23 148

原创 Coursera 吳恩達 DeepLearning Sequence model 第二週作業 Emojify - v2（多分類問題，有彩蛋，性能超過預期）

自動錶情符號 在這個練習中，首先完成基準模型Emojifier-V1，使用word embeddings求平均值。可以通過輸入的句子輸出一個表情符號。這個模型無法識別單詞的順序和複雜的句子結構。然後將會結合LSTM來建立一個更加複雜的模型

2018-09-02 03:42:21 7

原创 Introduction to Advanced Machine Learning, 第二週，NumpyNN (honor)（hse-aml/intro-to-dl，簡單註釋，答案）

這是俄羅斯高等經濟學院的系列課程第一門，Introduction to Advanced Machine Learning，第二週的榮譽作業。 本次作業只有一個任務，不依賴任何開源框架，僅基於numpy建立神經網絡，對MNIST圖片進

2018-09-02 03:42:21 61

原创 Introduction to Advanced Machine Learning, 第六週，week6_final_project_image_captioning_clean(答案)

這是俄羅斯高等經濟學院的系列課程第一門，Introduction to Advanced Machine Learning，第六週編程作業。任務是利用pre-trained InceptionV3架構對圖片進行編碼，這個是預先訓練好的架構

2018-09-02 03:42:21 7

原创 Introduction to Advanced Machine Learning, 第二週，基於TensorFlow的MNIST實戰(my1stNN)

這是HSE系列課程第一門，Introduction to Advanced Machine Learning. 第二週第二個編程作業，難易程度：中等。 使用TensorFlow對MNIST數據集圖片進行分類，是一個多類分類問題。

2018-09-02 03:42:21 12