欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018108435885
申请人: 重庆河狸家网络技术有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 乐器;声学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于忆阻器的语音识别方法,其特征在于,包括如下步骤:步骤1:计算语音识别网络在不同精度设备下仿真的识别准确率,根据合理识别准确率中最低精度标准进行忆阻器器件选择和忆阻器神经网络单元搭建;

步骤2:按照语音识别网络,进行FPGA与多个忆阻器神经网络单元的连接,构建待训练忆阻器语音识别网络;

步骤3:输入语音训练信号至所述待训练忆阻器语音识别网络,并将其识别结果返回至FPGA的训练模块;

步骤4:FPGA的训练模块实现根据输入的识别结果计算识别结果与语音训练信号标签的偏差,并根据反向传播函数与忆阻器阵列的写入规则对待训练忆阻器语音识别网络进行训练,获得所需忆阻器语音识别网络;

步骤5:向上述所需忆阻器语音识别网络的FPGA中输入待识别语音信号,获得语音信号内容文本。

2.根据权利要求1所述的基于忆阻器的语音识别方法,其特征在于:步骤1中所述最低精度标准的获取过程如下:步骤1.1:用计算机搭建语音识别网络并训练;

步骤1.2:将训练所得的卷积核值设置为一系列精度格式,并进行仿真测试;

步骤1.3:根据测试结果绘制识别准确度曲线,并选取合理识别准确度中的最低精度作为设备的最低精度标准。

3.根据权利要求1所述的基于忆阻器的语音识别方法,其特征在于:步骤2中所述待训练忆阻器语音识别网络的获取步骤为:步骤2.1:首先对语音识别网络中点乘运算以外的所有运算逻辑在FPGA上进行定义;

步骤2.2:基于所述忆阻器神经网络单元搭建第一卷积+池化层;

步骤2.3:基于所述忆阻器神经网络单元搭建第二卷积+池化层;

步骤2.4:基于所述忆阻器神经网络单元搭建全连接层;

步骤2.5:将第一卷积+池化层、第二卷积+池化层以及全连接层的输入输出端口连接至FPGA的I/O口上,获得待训练忆阻器语音识别网络。

4.根据权利要求3所述的基于忆阻器的语音识别方法,其特征在于:所述点乘运算基于所述忆阻器神经网络单元进行,所述运算逻辑包括激活函数、点乘运算单元分批相加、反馈控制训练、信号输入输出量化、训练脉冲电压控制。

5.根据权利要求1或3所述的基于忆阻器的语音识别方法,其特征在于:所述忆阻器神经网络单元为a×a排列的忆阻器矩阵阵列,其中a为大于等于1的整数。

6.根据权利要求5所述的基于忆阻器的语音识别方法,其特征在于:所述忆阻器神经网络单元由9个忆阻器按3×3矩阵形式排列而成。

7.根据权利要求3所述的基于忆阻器的语音识别方法,其特征在于:所述第一卷积+池化层、第二卷积+池化层与全连接层均由多个所述忆阻器神经网络单元按p×q矩阵形式排列而成,其中p、q为互不相等的大于1的整数。

8.根据权利要求3或7所述的基于忆阻器的语音识别方法,其特征在于:所述第一卷积+池化层与第二卷积+池化层由234个所述忆阻器神经网络单元按9×26矩阵形式排列而成;

所述全连接层由400个所述忆阻器神经网络单元按100×4矩阵形式排列而成。

9.根据权利要求1所述的基于忆阻器的语音识别方法,其特征在于:步骤3中所述待训练忆阻器语音识别网络输入语音训练信号后,所述FPGA对语音训练信号进行MFCC提取和量化处理,将其转化为各忆阻器神经网络单元的输入信号。

10.根据权利要求1所述的基于忆阻器的语音识别方法,其特征在于:所述训练的次数不少于60次。