LSTM和GRU在城市声音分类中的应用

• 作者: 孙陈影 沈希忠
• 来源期刊: 应用技术学报
• 学科: 工学
• 关键词: 城市声音分类 深度学习 语音识别 循环神经网络 长短期记忆神经网络 门控循环单元神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机械与电气工程
• 页码范围: 158-164
• 页数: 7页
• 分类号: TP183
• 字数: 3703字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-3424.2020.02.008

摘要

不同类型的声音对城市居民的身心健康质量影响不同,将城市声音精准的分类有利于对其进行有效的评价,从而促进对城市声音的管理.深度学习在语音识别方面已有所应用,其中循环神经网络(RNN)表现最为突出.由于基本RNN存在明显的梯度消失 、网络损耗大 、准确率低等问题,应用改进的RNN对城市背景噪声进行分类.采用长短期记忆神经网络(LSTM)和门控循环单元(GRU)神经网络,构建深度循环神经网络模型,通过城市记录的公共数据集UrbanSound8K对搭建的深度神经网络的准确性进行测试分析.模型基于梅尔频率倒谱系数的基准实现,得出的结果与基本RNN相比有明显的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈希忠	上海应用技术大学电气与电子工程学院	44	148	7.0	10.0
2	孙陈影	上海应用技术大学电气与电子工程学院	3	4	1.0	2.0