内容: 该项目提出了一种基于稀疏判别分析和神经网络的高精度语音识别技术。主要分为两 个方面,即语音识别中的特征提取和语音识别系统的搭建。主要具备的功能是对于语音识别模型的搭建、训练和测试,实现通过训 练完成的语音识别模型对传入的语音进行文字化的转化。 业绩: 在此项目中采用稀疏判别分析(SDA )来进行特征提取。相较于传统的线性判别分析(LDA),SDA 通过引入 L1正则化,限制模 型参数的大小和数量,得到更具有稀疏性、鲁棒性和可解释性的结果。 在语音识别模型训练和语音识别系统的搭建方面,采用 Tensorflow.keras 框架并通过 DNCC+CTC 模型来进行训练,以提...
内容: 该项目根据资金流入流出历史数据,对蚂蚁金服公司余额宝资金未来30天流入流出的预测问题进行研究。主要任务是根据 1、用户信息表 2、用户申购赎回数据表 3、余额宝收益率表 4、上海同行业拆解利率表四个数据表中的时间序列数据信息进行预测,主要目的是预测所有用户每天的申购赎回的发生数量。 业绩: 该项目通过 EDA (探索性分析)报告,分析各因素联系,找出主要影响用户申购与赎回因素,因为数据由于历史数据不稳定且多 噪声。首先采用序列转换方法对不平稳序列进行差分处理提高其数据稳定性,其次对该序列进行模型识别和参数估计,利用基于 A RIMA 时间序列模型初步预测,并对残差序列...