| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究现状 | 第15-20页 |
| 1.2.1 发展历程与现状 | 第15-17页 |
| 1.2.2 存在的问题 | 第17页 |
| 1.2.3 相关竞赛与数据集介绍 | 第17-19页 |
| 1.2.4 相关应用 | 第19-20页 |
| 1.3 本文主要工作 | 第20-21页 |
| 1.4 论文组织结构 | 第21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 声音事件识别与深度学习的理论基础 | 第22-42页 |
| 2.1 声音事件识别基本理论 | 第22-33页 |
| 2.1.1 系统框架 | 第22-24页 |
| 2.1.2 特征分析 | 第24-28页 |
| 2.1.3 分类算法 | 第28-32页 |
| 2.1.4 评价方式与指标 | 第32-33页 |
| 2.2 深度学习基本理论 | 第33-41页 |
| 2.2.1 深度学习概述 | 第34-36页 |
| 2.2.2 深度学习基本算法 | 第36-40页 |
| 2.2.3 深度神经网络类型 | 第40-41页 |
| 2.3 本章小结 | 第41-42页 |
| 第三章 基于循环神经网络的声音事件识别研究 | 第42-54页 |
| 3.1 循环神经网络理论 | 第42-45页 |
| 3.1.1 网络结构 | 第42-43页 |
| 3.1.2 优化算法 | 第43-45页 |
| 3.2 循环神经网络的缺陷与改进 | 第45-47页 |
| 3.2.1 存在的缺陷 | 第45-46页 |
| 3.2.2 长短时记忆网络 | 第46-47页 |
| 3.3 基于循环神经网络的声音事件识别方法 | 第47-50页 |
| 3.3.1 特征提取 | 第47-49页 |
| 3.3.2 模型设计 | 第49-50页 |
| 3.4 实验分析 | 第50-52页 |
| 3.4.1 实验设置 | 第50-51页 |
| 3.4.2 结果分析 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于改进的多尺度卷积神经网络的声音事件识别方法 | 第54-66页 |
| 4.1 研究背景 | 第54-55页 |
| 4.1.1 研究动机与发展历程 | 第54-55页 |
| 4.1.2 优势与缺陷 | 第55页 |
| 4.2 基本原理 | 第55-58页 |
| 4.2.1 网络结构 | 第56页 |
| 4.2.2 优化算法 | 第56-58页 |
| 4.3 改进的多尺度卷积神经网络 | 第58-59页 |
| 4.4 多通道特征 | 第59-60页 |
| 4.5 实验分析 | 第60-63页 |
| 4.5.1 实验相关参数设计 | 第60-61页 |
| 4.5.2 特征对比实验 | 第61-63页 |
| 4.5.3 模型对比实验 | 第63页 |
| 4.6 本章小结 | 第63-66页 |
| 第五章 基于生成式对抗网络的声音事件数据增强方法 | 第66-80页 |
| 5.1 研究动机 | 第66页 |
| 5.2 基本理论 | 第66-70页 |
| 5.2.1 网络框架 | 第66-68页 |
| 5.2.2 面临的问题 | 第68-69页 |
| 5.2.3 深度卷积生成式对抗网络 | 第69-70页 |
| 5.3 基于深度卷积生成式对抗网络的数据增强方法 | 第70-74页 |
| 5.3.1 方案框架 | 第71页 |
| 5.3.2 算法设计 | 第71-74页 |
| 5.4 实验分析 | 第74-78页 |
| 5.4.1 实验设置 | 第74-75页 |
| 5.4.2 结果分析 | 第75-78页 |
| 5.5 本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-84页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-84页 |
| 参考文献 | 第84-92页 |
| 作者简介 | 第92页 |