目录
摘 要 Ⅰ
ABSTRACT Ⅱ
第一章 绪论 1
1研究背景 1
2实验方法简述 2
第二章 文献综述 3
1 LSTM相关文献综述 3
2声音处理方面的文献综述 4
第三章 理论与实验 6
1原理简述 6
1.1神经网络相关概念 6
1.2 LSTM 8
1.3 BiLSTM 10
1.4梯度下降算法 10
2实验过程 11
2.1预处理 11
2.2特征提取 12
2.3模型搭建 14
2.4模型的训练和评估 15
第四章 结论与展望 18
1结论 18
2展望 18
2.1网络结构升级 18
2.2混合神经网络 18
2.3算法的高效性 18
参考文献 19
致 谢 21
基于BiLSTM模型的湖羊短时咀嚼行为声音识别方法研究
摘 要
通过湖羊的短时咀嚼行为声音可以估计出湖羊每日的采食量，同时可以用来监测它的反刍行为，进而可以进行反刍行为异常和进食异常的病羊的自动识别。本文采用端点检测法将原始声音信号进行分割，提取各声音片段的梅尔倒谱系数特征，并基于tensorflow框架和keras模块搭建了BiLSTM网络，将梅尔倒谱系数特征输入网络进行训练，实现了湖羊短时咀嚼行为的声音识别。又分别搭建了超参数相似的全连接网络和LSTM网络，以分类准确率为指标，比较了BiLSTM和它们的分类性能。BiLSTM的准确率为85.6%，LSTM和全连接网络的准确率分类准确率分别为75.3%，46.5%，对比的结果表明，BiLSTM网络的声音识别性能更好。

原文链接：http://www.jxszl.com/dzxx/dzdq/609007.html