基于卷积神经网络的英语口语打分

发布时间：2023-04-21 00:21

　　使用计算机帮助人们练习口语是常见手段,但目前存在一些问题。首先,由于流畅性特征是基于人类知识计算的,因此原始数据中包含的一些关键表示可能会丢失。其次,对模型的各个参数分别进行优化,使模型的性能处于次优状态。为了解决这些问题,在此提出了一种基于卷积神经网络的英语口语流利性评分方法,该方法从原始的时域信号输入中联合学习特征提取和评分模型。实验结果表明,所提出的方法的评分结果较为准确。

【文章页数】：6 页

【文章目录】：
0 引言
1 系统概述
2 卷积神经网络
    2.1 卷积层
    2.2 池化层
    2.3 全连接层
    2.4 批归一化
3 基于CNN的流利性评分模型
    3.1 评分模型
    3.2 基于CNN的评分模型
    3.3 权重初始化
4 实验与评估
    4.1 实验环境与数据集
    4.2 模型结构与结果
    4.3 流利度特征与可视化
5 结束语



本文编号：3795459