主要思想：作者将卷积得到的特征图与通过自注意力机制产生的一组特征图连接（concatenate）起来，通过这种自注意力机制来增强卷积算子，从而提升模型性能。 前言卷积神经网络（CNN）在许多计算机视觉应用中都取得了巨大的成功，特别是在图

今天学习一篇ASR-语言识别领域的文章，来自google的： 引言提到端到端自动语音识别（ASR）系统，你可能会想到循环神经网络（RNN），因为RNN可以有效地模拟音频序列中的时间依赖性；你可能也会想到基于self-attention的

作业描述本作业的目标是利用transformer中self-attention部分做一个多元分类，即从给定的语音中预测说话者的类别。利用的数据是从Voxceleb1中挑选的一部分，数据如下： 训练数据：69438条处理过的带标签音频特征

APIAPI的全称是Application Programming Interface，应用程序编程接口 Java写好的功能代码，可以直接调用 Oracle也为Java提供的这些功能代码提供了相应的API文档（技术使用说明书） 本节主要

设计对象并使用 类（设计图）：是对象共同特征的描述 对象：是真实存在的具体实例 在Java中，必须先设计类，才能创建对象并使用 注意事项： 类名首字母建议大写，满足“驼峰模式”，不能用关键字，必须是合法标识符 一个Java文件中可以

作业描述这部分我将用GAN实现一个动画人脸的生成，利用的模型是DCGAN，它在原始GAN模型的基础上，将生成器和判别器的网络结构换成了当时已经十分成熟的卷积神经网络结构，并对卷积神经网络结构进行一定的调整，克服了原始GAN训练不稳定和梯度消

作业描述本作业处理的是一个phoneme分类，是一个多元分类问题。phoneme是语言的一种语音的一种语音单位，可以用来区分一个词和另一个词，如下面黑体部分。 bat / pat , bad / bed 作业使用的数据集是TIMIT A

方法定义和调用方法是一种语法结构，它可以把一段代码封装成一个功能，以方便重复调用，这样就提高了代码的重复性，使程序逻辑更加清晰。 以两个整数求和为例子，方法定义如下，函数声明中第一个int是返回值类型 public static int s

数组的定义 数组就是用来存储一批同种类型数据的内存区域（可以理解为容器） 静态初始化数组定义数组的时候直接给数组赋值 // 完整格式 数据类型[] 数组名 = new 数组类型[]{元素1, 元素2, 元素3...}; // 简化格式 数

分支结构If分支 根据判定的结果决定执行某个分支的代码 if分支的三种格式 格式1 if(条件表达式){ 代码...；} 格式2 if(条件表达式){ 代码...;} else{ 代码...;} 格式3 if(条件表达式1