通過MATLAB平臺建立一個GUI界面，接著對一組語音信號的輸入進行預處理及端點檢測，提取特征參數（MFCC），形成參考模塊。然后再對一組相同的語音信號輸入進行同樣的操作作為測試模塊，與參考模塊進行DTW算法進行匹配，輸出匹配后的識別結果。
上傳時間： 2016-06-15
上傳用戶：sjr88
c語言經典算法，有助于初學c語言的人，里邊有許多例子可以參考
上傳時間： 2017-06-02
上傳用戶：RTDJYC
基于語音短時對數譜的最小均方誤差(MMSE-LSA)算法是在MMSE算法的基礎之上發展起來的，由于其引入了人耳響度-幅度譜特性，因此能夠獲得比MMSE算法更好的語音聽覺質量。
上傳時間： 2017-12-15
上傳用戶：zmhylez
人臉檢測是人臉分析的首要環節，其處理的問題是確認圖像（或影像）中是 否存在人臉，如果存在則對人臉進行定位。人臉檢測的應用領域相當廣泛，是實 現機器智能化的重要步驟之一。 AdaBoost 算法是 1995 年提出的一種快速人臉檢測算法，是人臉檢測領域里 程碑式的進步，這種算法根據弱學習的反饋，適應性地調整假設的錯誤率，使在 效率不降低的情況下，檢測正確率得到了很大的提高。 本論文第一章和第二章簡述了人臉檢測的一般情況，第三章對一些人臉檢測 的經典方法進行了說明。 第四章講述了 AdaBoost 算法的發展歷史。從 PCA 學習模型到弱學習和強 學習相互關系的論證，再到 Boosting 算法的最終提出，闡述了 Adaptive Boosting 算法的發展脈絡。 第五章對影響 AdaBoost 人臉檢測訓練算法速度的至關重要的兩方面：矩形 特征和積分圖的概念和理論進行了仔細的闡明。 第六章給出了 AdaBoost 的算法，并深入探討了其中的一些關鍵問題——弱 學習器的構造、選取等問題。 最后一章，用編寫的實現了 AdaBoost 算法的 FáDèt 程序，給出了相應的 人臉檢測實驗結果，并和 Viola 等人的結果做了比較。
上傳時間： 2018-01-29
上傳用戶：dragon000008
sbc編解碼算法個人總結資料，僅供參考，僅供有緣人
上傳時間： 2019-08-27
上傳用戶：tiany
第一章 機器學習革命學習算法入門為何商業擁護機器學習給科學方法增壓10億個比爾·克林頓學習算法與國家安全我們將走向何方第二章 終極算法來自神經科學的論證來自進化論的論證來自物理學的論證來自統計學的論證來自計算機科學的論證機器學習算法與知識工程師天鵝咬了機器人終極算法是狐貍，還是刺猬我們正面臨什么危機新的萬有理論未達標準的終極算法候選項機器學習的五大學派第三章 符號學派：休謨的歸納問題特別說明：僅作為愛好者學習使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學習分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費的午餐”定理對知識泵進行預設如何征服世界在無知與幻覺之間你能信任的準確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學派第四章 聯結學派：大腦如何學習感知器的興盛與衰亡物理學家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復仇一個完整的細胞模型大腦的更深處第五章 進化學派：自然的學習算法達爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學得最快，誰就會贏第六章 貝葉斯學派：在貝葉斯教堂里統治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關聯，但不是直接關聯推理問題掌握貝葉斯學派的方法馬爾可夫權衡證據邏輯與概率：一對不幸的組合第七章 類推學派：像什么就是什么完美另一半維數災難空中蛇災爬上梯子起床啦第八章 無師自通物以類聚，人以群分發現數據的形狀擁護享樂主義的機器人熟能生巧學會關聯第九章 解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網絡從休謨到你的家用機器人行星尺度機器學習醫生馬上來看你第十章 建立在機器學習之上的世界性、謊言和機器學習數碼鏡子充滿模型的社會分享與否？方式、地點如何？神經網絡搶了我的工作戰爭不屬于人類谷歌＋終極算法=天網？進化的第二部分
上傳時間： 2022-05-07
上傳用戶：
隨著人類社會的進步，科學技術的發展日新月異，模擬人腦神經網絡的人工神經網絡已取得了長足的發展。經過半個多世紀的發展，人工神經網絡在計算機科學，人工智能，智能控制等方面得到了廣泛的應用。當代社會是一個講究效率的社會，科技更新領域也是如此。在人工神經網絡研究領域，算法的優化顯得尤為重要，對提高網絡整體性能舉足輕重.BP神經網絡模型是目前應用最為廣泛的一種神經網絡模型，對于解決非線性復雜問題具有重要的意義。但是BP神經網絡有其自身的一些不足（收斂速度慢和容易陷入局部極小值問題），在解決某些現實問題的時候顯得力不從心。針對這個問題，本文利用遺傳算法的并行全局搜索的優勢，能夠彌補BP網絡的不足，為解決大規模復雜問題提供了廣闊的前景。本文將遺傳算法與BP網絡有機地結合起來，提出了一種新的網絡結構，在穩定性、學習性和效率方面都有了很大的提高?；谝陨系难芯磕康?，本文首先設計了BP神經網絡結構，在此基礎上，應用遺傳算法進行優化，達到了加快收斂速度和全局尋優的效果。本文借助MATLAB平臺，對算法的優化內容進行了仿真實驗，得出的效果也符合期望值，實現了對BP算法優化的目的。關鍵詞：生物神經網絡：人工神經網絡；BP網絡；遺傳算法；仿真隨著電子計算機的問世及發展，人們試圖去了解人的大腦，進而構造具有人類思維的智能計算機。在具有人腦邏輯推理延伸能力的計算機戰勝人類棋手的同時，引發了人們對模擬人腦信息處理的人工神經網絡的研究。1.1研究背景人工神經網絡（Artificial Noural Networks，ANN）（注：簡稱為神經網絡），是一種數學算法模型，能夠對信息進行分布式處理，它模仿了動物的神經網絡，是對動物神經網絡的一種具體描述。這種網絡依賴系統的復雜程度，通過調節內部大量節點之間的關系，最終實現信息處理的目的。人工神經網絡可以通過對輸入輸出數據的分析學習，掌握輸入與輸出之間的潛在規則，能夠對新數據進行分析計算，推算出輸出結果，因為人工神經網絡具有自適應和自學習的特性，這種學習適應的過程被稱為“訓練"。
上傳時間： 2022-06-16
上傳用戶：jiabin
情感識別是機器通過識別和理解過程把人類的語音、表情和肢體語言中的情感信息識別出來。情感交互是機器通過接收人類的情感信息來模擬人類的情感決策過程，從而表達出自身情感的過程。本文的主要目標是把虛擬人技術應用到人機交互中，研究出具有情感識別功能和情感表達功能的機器。本文的具體工作和貢獻包括：第一，詳細描述虛擬人的三維模型和情感模型的建立過程。這里介紹了虛擬人實體的建立和控制，以及虛擬人的情感計算模型和情感決策機制。利用三維建模工具和游戲制作軟件，來建立虛擬人和虛擬場景，并通過對虛擬人控制模塊的設定來驅動虛擬人的動作和行為特點，這使虛擬人能夠從行為上表達情感。虛擬人的情感模型是虛擬人情感計算和決策的關鍵，是虛擬人具有情感能力的基礎。這里主要工作就是通過模擬人的情感計算過程和決策機制，來建立虛擬人的情感工作機制，從而控制虛擬人的情感計算過程，使虛擬人具有模擬人的情感表達的能力。第二，通過分析情感語音信號，來識別情感語音信號中的參數信息，并進一步識別出情感語音信號中的情感信息。語音信號中的參數有多種，本文在比較和總結的基礎上，選定了三種參數來綜合的識別語音信號中的情感信息。在情感語音語料庫的基礎上建立了情感特征參數數據庫，這個數據庫的主要是建立特征參數的參數模型，為情感識別建立識別基礎。第三，利用隱馬爾科夫模型算法在語音信號識別上的優點，來對情感語音信號進行情感信息的識別。情感信息與語言信息有共同的聲學特征，只是二者反映的信息不同。通過情感語音信號的特征分析和理論驗證，隱馬爾科夫模型是一個理想的選擇。實驗證明，隱馬爾科夫模型在情感信息的識別上，表現出很好的識別效果和較高的識別率，為隱馬爾科夫模型的應用提供了事實支持。第四，建立人機交互系統原型，通過對整個系統進行測試和驗證，來證明人機情感交互的可行性和科學性。驗證主要通過情感識別和情感決策兩方面進行，情感識別的主要是建立在情感語音識別的基礎上，情感決策就是通過驗證虛擬人情感表達的結果跟期望值的對比結果。
上傳時間： 2022-06-18
上傳用戶：jiabin
仿人機器人是真正字面意義上或狹義的“機器人”，其研究和發展代表了機器人學的尖端水平。有關仿人機器人的工作早在20多年前就開始了，當時著重于雙足步行機的研究和開發。只是自從10年前本田推出仿人機器人P2后，仿人機器人的研發才形成了一個熱潮，至今方興末艾。除了日本推出了QR1（）、ASlM（）和HRP-2等著名的仿人機器人以外，中國、韓國、美國和歐洲等國家和地區也成功地研制了各自的仿人機器人。雖然仿人機器人的研究已成為機器入學中的一個重要分支，有很多研究人員和工程技術人員在這方面進行了大量的學術研究和技術開發，并取得了豐碩的成果，但卻未見到系統地介紹和闡述仿人機器人的專著。在這種背景下，由日本產業技術綜合研究所棍田秀司等人著的《仿人機器人》奪得了先聲，填補了這方面的一個空白。據譯者所知，該書是第一部系統介紹仿人機器人的專著。書中既有對仿人機器人歷史發展的簡明扼要的介紹，又有基本理論和分析，還有對實際機器人系統的引用。內容包括仿人機器人學的運動學、ZMP和動力學，雙足步態規劃和全身運動模式的生成和動力學仿真等，是對10多年來仿人機器人的研究成果（尤其是作者們的成果）的總結，在一定程度上反映了當今世界在仿人機器人上的最新發展和水平。這本學術專著并不是純理論介紹，幾乎所有的理論和算法都有實際機器人系統和平臺的支持，書中圖文并茂、深入淺出、內容生動。本書的日文原著由四位作者共同寫就，每位作者撰寫其最擅長的專題。幾位作者都是產業技術綜合研究所屬下的智能系統研究所仿人機器人HRP-2研發小組的主要成員?！斗氯藱C器人》是他們多年的學術研究和系統開發的概括。除日文原著外，還計劃推出英文、中文（即本書）、法文和德文版本，以五種文字向全世界出版發行。如果本書在中國的出版能對我國的機器人研究和開發有所啟發、幫助和推動，那么譯者的初衷和愿望也就實現了。本書的翻譯主要基于英文手稿，并參考了日文原著。在翻譯過程中，譯者隨時與作者商討，力術翻譯準確到位。盡管如此，因譯者的水平和時間所限，譯文中難免會有不妥甚至錯誤之處，歡迎讀者批評和指正。
標簽： 機器人
上傳時間： 2022-06-24
上傳用戶：
前言說明控制的方法遠遠不止PID這一招，在許多場合也未必是最佳的控制算法。對于學習能力較好的師弟也可以再去尋求一種更優秀的控制算法。PID的分類多如牛毛，例如：模糊PlD、數字PID、神經元PID等等。另外，本文檔是參考幾十個PID相關文檔資料整合而成。由于個人能力等原因，從策劃、編輯、排版等花了一個多月的時間才完成此次PlD法的整合。為了更有針對性和有效性，本文檔主要講解數字PID及其變種（改進式PID）：位置式和增量式。以及這兩種PID的C語言編程實現、參數的調整確定和PID控制的應用。我們為什么要用PID岸法呢？原國很商單：其一，PlD是一種比較成熟的控制算法，而且還有許多基于PID的變種算法（簡稱改進式PID）。其二，資杜多，學習難度路低，入門快。其三，多屆師兄實踐過，感覺效果還不錯！但每年資料成指數增長，從上屆師兄那搭貝了好幾G資料，進PID控制的文檔可以夸張的說跟天上的“星星”一樣，看了之后眼花繚亂，而且有很多重復的。為了讓更多人能快速上手使用PID控制算法，結合個人經驗和相關文檔將它濃縮如下：
標簽： pid算法
上傳時間： 2022-07-01
上傳用戶：
