自我介绍(点击最上方 关于 查看更多~)
非常高兴您访问我的网站,您可以点击最上方ABOUT查看我的详细信息~ 关于我（可以点击 关于 查看更多我的资料~）个人信息 姓名：Huang Zhongqi 黄中奇 专业：电子信息-人工智能 邮箱：huangzhongqi978@gmail.com 862239576@qq.com GitHub： https://github.com/Huangzhongqi978 个人博客：[https://Huangzhongqi978.top 学习课程我在人工智能专业期间学习了以下主要课程： 人工智能核心课程 机器学习 深度学习 自然语言处理（NLP） 计算机视觉（CV） 强化学...
Topic标签插件完整指南
主题标签插件完整指南主题提供了丰富的标签插件（Tag Plugins），让你可以在 Markdown 文章中轻松插入各种样式丰富的组件。本文档将详细介绍所有可用的标签插件及其使用方法。 📋 目录 1. 按钮插件 (btn) 2. 提示框插件 (note/subnote) 3. 标签页插件 (tabs) 4. 隐藏内容插件 (hide) 5. 标签插件 (label) 6. 时间线插件 (timeline) 7. 相册插件 (gallery) 8. 行内图片插件 (inlineImg) 9. 系列文章插件 (series) 10. 乐谱插件 (score) 11. 图表插件 (chartjs) 12. 流程图插件 (mermaid) 13. 友情链接插件 (flink) 1. 按钮插件 (btn)语法 {% btn url, text, icon, option %} 参数说明 url: 按钮链接地址（必填） text: 按钮显示文本（可选） icon: Font Awesome 图标类名（可选） option: 样式选项（可选） colo...
GPT-2中文聊天机器人：基于DialoGPT的双模型架构设计与实现
基于GPT-2架构的中文聊天机器人系统，采用DialoGPT的双模型设计理念，通过对话模型和互信息模型的协同工作，实现了高质量的中文对话生成。本文深入分析了系统的技术架构、核心算法实现以及优化策略。 系统概述本系统基于微软DialoGPT论文的设计思想，构建了一个双模型架构的中文聊天机器人。系统核心创新在于引入互信息最大化（MMI）机制，通过对话模型生成多个候选响应，再使用MMI模型进行筛选，显著提升了对话质量和上下文连贯性。 核心特性 双模型架构：对话模型负责生成，MMI模型负责筛选 中文优化：针对中文语言特点进行模型调优 上下文感知：支持多轮对话历史管理 智能采样：集成Top-k和Nucleus采样策略 批量优化：支持批量生成和筛选机制 技术架构设计系统架构图 核心组件分析1. 对话模型 (Dialogue Model)对话模型基于GPT-2架构，负责根据对话历史生成候选响应。其训练数据采用顺序拼接方式： # 对话模型训练数据格式 # 输入: [CLS]用户1[SEP]机器人1[SEP]用户2[SEP]机器人2[SEP] # 目标: 学习预测下一个token def ...
基于GRU的语音情感分析识别
GRU架构下的语音情感识别 情感识别模型优化详细文档 概述本文档详细介绍了IEMOCAP情感识别模型的核心优化技术，主要解决跨说话人情感识别中的泛化能力问题。优化策略包括说话人无关化技术、高级训练策略和综合损失函数设计。 主要优化目标 提升跨说话人泛化能力：消除说话人特征对情感识别的干扰 增强模型鲁棒性**：通过多种正则化和数据增强技术 优化训练效率：采用先进的学习率调度和早停策略 提供全面监控：实时可视化训练过程和模型性能 核心优化技术1. 说话人无关化技术1.1 自适应实例归一化 (AdaIN)原理：通过实例级别的归一化消除不同说话人的音频特征差异，保留情感相关信息。 class AdaptiveInstanceNormalization(nn.Module): """ 自适应实例归一化 - 说话人归一化层 原理： 1. 计算每个样本在时序维度上的均值和方差 2. 进行归一化处理，消除说话人特征差异 3. 通过可学习参数重新缩放，保留情感信息 数学公式： μ = mean(x, dim...
基于mT5模型的心理问题问答系统设计与实现
系统概述本项目构建了一个基于mT5多语言Transformer的心理问答系统，融合了知识图谱、大语言模型API的多层响应策略。系统通过prompt引导的序列到序列学习，实现了对心理疾病相关问题的智能回答，并具备多轮对话、上下文记忆等高级功能。 核心技术架构1. 多层级响应策略系统采用三层响应机制，确保问题得到准确回答： def process_question(self, question, is_repeat=False): """三层响应策略：训练模型 → 知识图谱 → 大语言模型API""" # 1. 优先使用训练好的mT5模型 if self.qa_model: try: model_answer = self.qa_model.predict(question) if model_answer and model_answer != "抱歉，我现在无法回答这个问题。": return model_answer except Exce...
ECAPA-TDNN声纹识别系统设计与实现
基于ECAPA-TDNN架构的声纹识别系统，集成实时录音、声纹注册、身份识别和声纹验证功能。系统采用深度卷积神经网络提取声纹特征，通过余弦相似度计算实现高精度声纹匹配，并构建了完整的PyQt5图形界面。 系统架构概述本声纹识别系统基于ECAPA-TDNN（Extended Context Aggregation and Propagation for Time-Delay Neural Networks）架构，实现了完整的声纹识别工作流程。系统采用模块化设计，包含音频处理、特征提取、模型推理和用户界面四个核心模块。 核心技术栈 深度学习框架: PyTorch 音频处理: soundcard, soundfile 图形界面: PyQt5 特征提取: MelSpectrogram 相似度计算: 余弦相似度 ECAPA-TDNN模型架构ECAPA-TDNN是当前最先进的声纹识别模型之一，通过改进的Res2Net结构和注意力机制实现高精度声纹特征提取。 核心组件设计class EcapaTdnn(nn.Module): def __init__(self, input_si...
博客使用图床教程
这篇文章详细介绍如何使用Gitee和GitHub图床来托管博客图片，提升博客性能和管理效率。 什么是图床？图床是专门用于存储图片的在线服务，它能为你的博客带来以下优势： ✅ 减少博客体积 - 图片不占用博客存储空间 ✅ 提升加载速度 - 专业CDN加速图片访问 ✅ 跨平台使用 - 一张图片可在多处引用 ✅ 稳定可靠 - 专业服务商提供数据保障 Gitee图床配置第一步：创建Gitee仓库 访问 Gitee官网 并登录 点击右上角 + → 新建仓库 填写仓库信息： 仓库名称：my-images 设置为：公开 （重要！） 勾选：使用Readme文件初始化 第二步：获取私人令牌 点击头像 → 设置 左侧菜单选择 私人令牌 点击 生成新令牌 勾选 projects 权限 复制生成的令牌（只显示一次！） PicGo配置安装PicGo推荐使用包管理器安装： # Windows用户 winget install PicGo.PicGo # macOS用户 brew install --cask picgo # 或从GitHub下载：https://github.com...
