基于过程神经元的语音情感识别的中期报告.docx

基于过程神经元的语音情感识别的中期报告 该项目旨在应用过程神经元模型以识别语音情感。在前期的研究和实验中，我们已经完成了以下工作： 1. 数据集获取和处理：我们使用的是The Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS)数据集，该数据集包含来自24位演员的非自然语音读音和歌曲录音，每位演员录制了8种不同情感状态的语音，共计1440条记录。 2. 特征提取：我们使用了Python中的librosa库来提取每个录音文件的频谱特征，并将特征矩阵存储为CSV文件以便训练和测试。 3. 过程神经元模型：我们基于Python中的Keras框架搭建了过程神经元模型。该模型包含多个过程神经元层，每层的输出作为下一层的输入，并通过自适应学习算法进行训练和优化。 目前，我们已经进行了初步的实验，使用50%的RAVDESS数据集作为训练集，50%的数据集作为测试集。实验结果显示过程神经元模型能够在一定程度上识别语音情感。我们将继续优化和扩展该模型，以提高准确性和推广应用。