题目：提高工业自动化水平的超自动化

作者：Abid Haleem a, Mohd Javaid a,*, Ravi Pratap Singh b, Shanay Rab a, Rajiv Suman c

摘要：

超自动化是借助先进技术（如机器人过程自动化（RPA）、机器学习（ML）和人工智能（AI）实现的真正的数字化转型。它自动化复杂的业务流程，即使在以前需要主题专家的地方也是如此。这是对传统业务流程自动化流程的扩展。超自动化允许通过将人工智能技术与RPA相结合，实现业务人员执行虚拟任务的自动化。这将提升到动态检测和生成自动化流程的下一个级别。它使公司能够结合商业智能系统，满足复杂的需求，并增加人力专业知识和自动化经验。本文简要讨论了超自动化及其在当前场景中的需求。然后阐述了传感器在增强超自动化方面的重要作用。
各种通用技术，如专用工作流流程、与超自动化相关的特定招标领域，也以图表形式进行了讨论。然后，本研究进一步确定并讨论了行业超自动化的能力。超自动化正被用于大幅提高自动化操作的效率和人力增强。它包括几个自动化工具，包括分析、发现、设计、测量、监控和复杂的自动化组件。因此，它理想地利用集成最先进的工具和开发新的工作方法。

1.引言：

超自动化主要是关于额外的智能和采用更有效的基于系统的方法来增加自动化方案。该方法强调了努力在手动替换和自动化以及优化困难阶段之间取得正确平衡的重要性。业务流程专家可以更好地识别许多员工管理的自动化机会。用户可以使用超自动化解决方案的功能，将其功能中的许多流程自动化，并更快地利用可支配的资源实现目标。它允许专注于更强大的职责，如规划和战略。超自动化使该公司能够通过大量的预先的技术和多样化的数据平台毫不费力地表达集成的价值。

今天，人类改进了各种自动化过程，以便提高质量。超级自动化的主要优势包括降低自动化成本、改进IT业务协调、改进安全性和治理。它改进了人工智能和机器教育在企业运营中的应用。大多数自动化供应商分析说，超自动化正在增加。它消除了以前由人类完成的工作。此外，超自动化中使用的监控技术可能会导致知识工作者担心利用这些数据。
随着自动化技术的发展，超自动化正在兴起。
各公司正在将其做法转向以人为本和智能化的工作环境。这一转变为依靠技术和自动化仪器保持竞争优势的企业带来了一个新时代。随着所有类型的自动化在紧密协作中协同工作，企业可以超越技术的独特优势，实现真正的数字敏捷性和规模灵活性。

公司可以监控根据自动化流程准确地进行关键分析，每周、每月和每年节省时间和金钱。当自动化成为大多数行业的领导者时，许多组织可以应用这项新技术。

超自动化通过应用商店提供的预构建模块，促进人工智能和机器学习技能融入自动化。自动化工具必须很容易地集成到现有的技术堆栈中，但必须这样做，而无需从中提取太多。为了实现超自动化，平台必须能够使用各种不同的技术进行即插即用。自动化技术的互操作性是超自动化的相关质量。因此，公司必须构建一个平台，结合多种最佳解决方案。

超自动化平台可以立即置于现有技术业务之上。公司自动化的传统技术是在特定场景中部署自动化的最佳方法。这些自动机是根据特定的程序组件定制的。随着企业的高度自动化，有几种方法可以改进企业流程。超自动化是一个相对较新的想法，企业仍在努力将其付诸实施。一些组织通过更加集中化来改进其方法，而另一些组织通过联邦或分散的方法来处理大型项目，可能会取得更显著的成果。可能还会有更多的安全和隐私问题。

超自动化不仅仅是复制机器人过程自动化完成任务的方式。这只是这项技术发展的初始阶段。将人员纳入流程的能力是超自动化的一个重要品质。在技术和人员并肩工作的情况下，工人还可以开始培训自动化仪器和其他软件，并通过机器学习达到人工智能决策阶段。公司可以开始利用超自动化技术重新创造通常由IT员工完成的工作。自动化解决方案试图减轻工人的耗时工作，这些工人没有积极贡献他们的经验，也没有将时间花在最大可能的优势上。

本文讨论了以下研究问题。
RQ1研究超自动化及其在当前场景中的需求；
RQ2-讨论传感器在增强超自动化方面的作用；
RQ3-讨论与超自动化相关的多功能技术；
RQ4-讨论超自动化的专用工作流程；
RQ5-通过超自动化研究特定的招标领域；
RQ6-确定并讨论行业超自动化的能力。

2.什么是超级自动化

IT研究和咨询集团Gartner首次在2019年创造了“超自动化”一词。Gartner的2020年十大战略技术趋势排行榜将超自动化列为榜首。

基本自动化用于执行基本和重复操作。然而，超自动化使员工能够通过最新的营销知识和公司见解，为最佳履行职责而进行培训。超级自动化的最终目标是建立一种使企业自动化的机制。它是一个框架，是公司中用于扩展自动化的复杂技术的集合。简单地说，超自动化是自动化技术和人工智能的结合，当两者结合起来时，可以提升人类的能力，使人类能够更快、更高效、更少错误地执行活动。

超自动化通过利用各种自动化技术，克服了依赖单一自动化工具的系统的一些限制。这使企业能够超越特定的程序，实现几乎任何耗时且可扩展的操作的自动化。自动化在另一方面，需要精心准备和实施。组织必须理解数字技术将如何集成到现有工作流中，以及它们在新流程中的角色。在不了解业务流程功能的情况下，简单地将自动化添加到业务流程中，或者将有缺陷的流程自动化，可能会在组织层面产生重大影响。

它是一种从战略上部署多种自动化技术的范例，无论是单独部署还是串联部署，并使用AI和机器学习对其进行增强。必须记住，超自动化并不是为了完全取代人类。相反，自动化将工人从重复和低价值的工作中解放出来，使他们能够专注于对企业更有价值的事情[18,19]。通过将自动化和人的参与结合起来，组织可以在降低运营成本和提高盈利能力的同时创造更好的客户体验。

3.超级自动化的必要性

超自动化的需要是使更多的知识劳动自动化，并将组织中的每个人都包括在内。它结合了几个过程自动化组件，合并了工具和技术，以增强劳动自动化。超自动化是许多机器学习和自动化工具的结合，用于执行任务。这越来越自动化，并增加了能够使用这些先进技术的人数。超自动化不仅指自动化的复杂程度或阶段，还指各种仪器。对于超自动化来说，选择一种能让员工满意的技术同样至关重要。如今，大多数团队都是由具有不同天赋和经验的人组成的，找到一个每个人都可以轻松使用和互动的工具至关重要。解决方案的选择减少了各种成本，这可能为公司提供自动化方面的巨大领先优势。通过混合自动化技术，超自动化可以克服单一自动化设备方法的一些限制。这使公司能够超越每个流程的限制，实现几乎所有艰巨且可扩展的操作的自动化。

超自动化可以统一最终旨在创建和优化端到端流程的公司战略，从而实现创新的新业务提案。该组织通过减少重复、耗时操作中的人为干预，提高效率、生产力和道德标准。组织需要了解数字技术在其当前工作流程中的范围和功能。选择不断增长和发展的产品市场也是一个重大问题。选择哪些组织的项目应该让他们的客户可以访问，这可能会让人感到害怕。考虑到拥挤的市场，一系列的融合和购买有望减少整个产品的冗余，并增强客户对可能供应商的评估。超自动化可以改善医疗保健业务，从而提供更好的患者体验、更可靠的结果和更可靠的数据。

4.传感器在增强超自动化中的作用

超自动化将机器人智能融入典型的自动化过程，提高程序的效率、速度和无错误执行。该技术可以通过人工智能技术和RPA实现几乎所有重复工作的自动化；它通过识别业务流程并创建机器人来实现自动化，从而实现自动化。它需要使用许多技术，这意味着投资It的组织必须拥有适当的工具，这些工具也必须是可互操作的。超自动化利用人工智能和机器学习构建“数字双胞胎”，本质上是过程或有形资产的虚拟副本。数字双胞胎由网络连接的传感器和其他设备监控，这些设备收集大量关于其状态和状态的数据。

将此数据与其他上下文数据进行比较，以深入了解数字双胞胎的健康和表现。随着更多的数据被检查，这些系统变得越来越智能化。这使企业能够更好地了解物理环境，避免问题，开发新产品和服务，并分析机会。组织可以使用数字双胞胎、更好地了解客户需求并改善客户体验。传感器的重要性将随着工业4.0的到来而增加。在每一点上，都需要智能传感器，所需的信息将从简单的通过/不通过输入传输到现场每个位置的全新精确数据。这些传感器可以在极端的温度、压力和条件下工作，如海底、太空等，所有这些都需要合理的价格。

工厂自动化和工业4.0严重依赖传感器。各种传感器（如运动、环境和振动传感器）用于从线性或角度定位、倾斜感应、调平、冲击或坠落检测监测设备健康状况。基于微机械传感（MEMS）元件的专用工业运动传感器具有广泛的机械频率传感光谱、高可靠性、一致的读数和精确的操作，适用于工业4.0应用。智能传感器已经发展到提供前所未有的智能和通信能力水平，以延长传统工业设备的使用寿命，最大限度地发挥物联网和云计算目前提供的潜在优势。在市场上，这些智能传感器已迅速升级。因此，随着工厂自动化水平的提高，机器特性的实时监控，以及在设计设备时考虑到预测性维护，全球范围内的传感器需求已经增加。

5.与超自动化相关的多功能技术

图1反映了与超自动化概念相关联的多种通用技术。它包括过程挖掘、机器人过程自动化、人工智能和机器学习实践、组织数字孪生兄弟（DTO）、光学字符识别（OCR）和自然语言处理（NLP）。超自动化工具的设计侧重于需要自动化的程序，并侧重于战略目标。它促进了特定产品的生产和质量控制。随着超自动化的发展，自动化技术被用来进行低价值的工作。适当的设计允许自主制造，以最少的人力参与，有效地工作。高度自动化的人可以建立一个灵活、动态的工作场所，利用数据做出快速高效的决策。一个公司需要强大的自动化基础才能从地面获得一个超自动化计划。基本操作的自动化、数据存储的自动化工具以及一些额外的自动化解决方案对于适应不同的团队和部门至关重要。

超自动化是一种技术，它利用先进的自动化技术生态系统来增加组织的人力专业知识。其目标是逐步自动化公司流程，通过构建信息和知识来提高决策效率，从而增强教育和敏捷性。超自动化是一种不可避免的市场情况，在这种情况下，所有业务操作都被企业快速识别和自动化。以前，投资于自动化的组织可能会认识到优化机器人活动和流程的优势。ML是一门随着时间的推移自动使用计算机技术开发系统的学科，通常与AI同义。为了发现数据趋势，组织使用监督和非监督算法。有监督的算法在能够自我预测之前，先开发输入和输出。无监控算法监控结构化输入并创建模式识别细节。AI和ML的战略部署对于超自动化是必要的。
像RPA这样的自动化技术的数据约束是通过超自动化来解决的。虽然RPA仅限于结构化数据，但超自动化技术可以处理结构化和非结构化数据。

RPA通过访问和分析数据，让行业获得关键的组织洞察力。用于RPA技术的非结构化数据可以从超自动化转换为结构化。这种连接说明了不同数字仪器之间的无缝协作，以提供效率。转换过程成为对每个人（包括业务分析师、专家和其他业务用户）产生额外影响的关键因素。超自动化技术使机器人和人类能够高效地工作。业务用户可以使用易于集成和适应的工具。自动化可以通过运行流程和花费时间减少范围程序来实现。

随即，超级自动化结合了更多的智能和更全面的工具，而不是指现成的发明。它包括各种工具，推动企业采取基本方法来确定和自动化、改进、发现、规划、量化和监控整个公司的工作流和流程。流程挖掘和任务挖掘工具发现自动化的可能性并对其进行优先级排序。自动化工具可以减少楼宇自动化工作和成本。企业逻辑的各种工具使自动化更易于适应和重用，这是业务流程、策略和管理的智能管理。人工智能和自动化学习技术扩展了自动化能力。自然语言处理（NLP）、字符光学识别、虚拟代理和聊天机器人都是该领域可用的工具。

超自动化不仅仅局限于自动化仪器；它还涉及所有自动化步骤的协议。该系统包括过程发现、过程优化、设计、规划、开发、使用和监控。公司目前生产中的大部分自动化流程不是具有多个方面的端到端流程。发票提取是许多公司在生产中实现标准自动化的一个极好的例子。在此场景中，bot从账单中获取客户信息，并将其插入到记录系统中。数据提取是一个相当广泛的子流程，包括发票的所有处理阶段。它确保工作更快、更准确地完成。

生产的下一步涉及数字技术生态系统。超级自动化结合了先进的自动化技术，创造了独特的过程生态。对于那些高度自动化的公司来说，通过清晰地看到自动化操作所节省的时间和金钱，他们很容易真正看到他们能够实现的回报。超级自动化系统在企业的多个数据系统之间提供无缝连接、适应性和数字灵活性。公司受益于更高的生产率、更高的产量、更好的法规遵从性、更好的洞察力、增强的分析和自动化操作。

6.超自动化专用工作流流程

图2例示了超自动化方法的工作流。
首先是问题陈述步骤，然后是RPA机器人提取的信息，然后是ML模型验证和验证细节。考虑了重复检查和验证步骤，最终完成并验证了丰富的机器可读数据。
超自动化提供了通过更广泛的自动化机会更简单地跨越组织边界的能力。它有助于公司决策许多领域的自动化。其中包括：流程的快速自动化、先进的分析应用、提高员工的幸福感和积极性、增加劳动力工作的价值、更准确的见解、更好的合规性和降低风险、提高生产力和增强团队合作。随着公司寻求使用更广泛的自动化解决方案来缓解功能和流程障碍，重点是实现流程的端到端自动化。
对于最终与雇主成正比的客户和雇员来说，超自动化都非常好。业务和IT利益相关者为了记录、存储和优化流程而使用的流程建模工具，与所有改进领域相关联并确定其优先级。决策建模软件也可用于经理或财务团队手动检查的自动化，直到可能的流程实现自动化。人工智能是改进过程自动化和人力增强以及承诺的主要催化剂。
智能自动化的综合工具集允许在每个流程阶段获得更好、更智能、更快的结果。各种新兴技术与超自动化技术协同工作，帮助企业开发尽可能多的端到端业务。

随着高度自动化，企业可以开始重新思考以前使用技术的工人所做的劳动。员工可以利用超自动化技术的强大功能，自动化其职能范围内的各种活动，并利用其可支配的资源更快地完成更多工作。通过减少手工活动，他们可以专注于更实际的活动，如规划和战略。该系统能够识别模式并从中学习。系统的算法最初通过训练数据进行训练，从而创建一个学习生产的模型。超自动化的成功取决于技术和工具的发展，这些技术和工具在系统中有效运行。它可用于分析从社交媒体面孔到化学物品的各种视觉信息。需要进行全面的内部流程和基础设施审查。人类是重要的决策者，对数据和逻辑解释非常有益。

超自动化自动为人们节省时间和金钱，同时消除错误。它已被用于增强客户体验和履行管理职责。自动化可以被看作是更快、更少错误工作的机械手臂。相比之下，机器人大脑的使用被认为是智能活动的超自动化。
它包括许多类型的人工智能技术。与自动化软件相结合，这些技术大大提高了灵活性的可能性。

超级自动化提供了一系列后端效率，支持在线银行和金融应用程序的随时随地可用性和所需的报告和监管。银行业和金融业都需要处理大量复杂数据。超自动化技术是一种广泛的、不断发展的技术，这一点已被充分提到。它是业务、设计和决策的集合，自动化的范围和程度涵盖了一系列技术。

7.通过超级自动化招标的领域

图3显示了与超自动化概念化相关的实时方面。
其中包括索赔处理案件、旅行&费用流程、反洗钱（AML）、全数字化流程和步骤、订单管理和客户服务运营。自动化已经在世界范围内使用多年；然而，随着日新月异的技术发展，必须适应超自动化。随着超自动化，全世界自动化和智能企业的新时代正朝着这个方向发展。客户和员工都从超自动化中受益，与公司的收益直接成比例。机器人收集数据，随后用于分析超自动化。Bot Insight将自我监控和自我测量深度集成。每个机器人沿着其作业路线获取信息，然后将整个知识发送给超自动化分析。超自动化应用于为集体利益寻找工作、员工、程序等的企业。机器人技术可以超越多余的劳动力和人来执行各种活动。

超自动化有可能彻底改变人们的工作和生活方式。以前只能用人类智力解决的问题将来可能会通过数字双胞胎解决。超自动化的数字化目标是提高客户和员工的满意度，并提供优化的商业模式。智能自动化通过建立以客户为中心的超自动化组织来控制各种业务流程。使用配备人工智能技术的智能自动化平台，通过集成人员、流程和技术来创造超自动化，实现人与数字员工之间的无缝交互，从而突破了限制。

机器人过程自动化与人工智能技术的结合可以开启前所未有的各种自动化选项。创新技术和工具的结合使我们能够自动化甚至是复杂的非结构化数据操作。各种有价值的工具和技术可以处理整个自动化周期，从流程发现到大规模的投资回报测量。

每个人都可以自动化并帮助对转换过程产生更大的影响。它还可以增强客户体验协助获得新客户，留住消费者和员工。其目的是提高整个公司的生产力和效率。

超自动化需要战略架构和规划。评估公司的近期和长期目标至关重要。“超级自动化”是一种自动化扩展和增强，它将智能流程发现、智能文档处理、分析和洞察以及机器人流程自动化结合起来，实现复杂工作流的自动化。超自动化平台、敏捷、迭代系统以及新的信息和工作流程是各种形式的业务运营和决策的最佳方法。超自动化的目的不是离开环路，而是走上驾驶台，引导所有管弦乐队一起正确表演。它自动化了通常依赖于人力投入的复杂任务，具有影响企业数字化转型速度的巨大潜力。

公司必须为其组织建立一个数字孪生兄弟来模拟场景，以实现超自动化。组织评估不同数字化和自动化变革的优势和不足，以帮助他们获得最有利的结果。超自动化分析提供了对数字机器人工作和遭遇的洞察。公司看到了机器、材料、程序和人员融合的优势。作为向工业4.0转型的一部分，它推动了向超自动化的迁移，工业4.0得益于互联数据和通信机会。在数字设施中，物联网和边缘计算用于将设备连接到网络。数字设计过程被扩展到包括使用增强和虚拟现实技术的工程师和制造商。

智能自动化的下一个层次是超自动化，它本质上涉及到端到端的过程自动化和最少的人机交互。这为跨各种应用程序的快速、智能自动化开辟了新的空间。它通常在早期阶段仅限于相当特定的应用程序和场景。它成为跨多个行业的新标准，包括公共服务、酒店、物流、固定产品等。超自动化可以提高效率和消除浪费。整个公司的利益相关者必须努力确定管理业务的最大自动化机会。该平台使公司能够尽可能地自动化他们的工作，使人们能够专注于更多价值驱动的任务。

8.工业的超自动化能力

超自动化为独立和同时部署各种自动化技术提供了一个战略框架。它包括任务的识别、自动化过程重用的灵活性及其能力。超级自动化的目标是减少开支，提高生产率，通过自动化实现效率，并使用创建和收集的数字过程数据。组织可以利用这些信息做出更好、更及时的商业选择。

超自动化为公司发展、整合和优化企业自动化提供了一个平台。它扩展并解决了RPA工具的成功和局限性。超自动化与其他自动化框架是分开的，后者只关注于增强自动化工具或自动化思想。自动识别和随后自动生成适用于自动化的人工制品的过程。表1讨论了超级自动化在增强工业自动化方面的重要功能。

在超自动化中，现代技术被用来超越以前方法的限制，以实现业务活动的自动化。这使公司能够超越特定操作的限制，发现正确的解决方案，以自动化几乎所有可扩展和复杂的业务活动。超级自动化提供了复杂的分析工具和功能，帮助企业超越单一数据收集和分析平台的限制。与添加人工智能相比，它允许商业活动用户可以自动化数百个作业的整个过程。自动化在很大程度上取决于公司当前IT基础架构和业务运营的性能。机器人过程自动化集成了传统系统和超自动化，将多种机器学习、打包软件和工作自动化技术结合起来。为了改善员工的生活，有必要获得更高的成果和提高生产力。各种数字技术被用于制造业的自动化。自动化已经在世界范围内使用多年；然而，随着日新月异的技术发展，必须适应超自动化。

9.研究讨论

超自动化是指提高和扩展人类技能的自动化技术的结合。这意味着使用自动化工具、机器学习和复杂人工智能的质量差的活动可以正确地进行，以生成输出并在没有人工交互的情况下高效地运行。超自动化可能会建立一个信息灵通、灵活、能够利用数据和见解做出快速、准确决策的工作场所。使用模型识别来知道下一步要做什么并优化操作是基于最少的人机交互。利用训练数据教授系统的算法，然后开发一个使用过的模型。建立多种自动化融合的能力是超自动化的一个关键组成部分，它以最高的价值毫不费力地相互补充。这包括机器学习，帮助软件识别数据、自然语言处理和智能光学字符识别。

超自动化不仅仅意味着任务管理系统的实施。它还要求人类参与。这是因为人们是重要的决策者，可能会使用数据解释和逻辑技术。为了从社交媒体生成报告和提取数据，公司可能会依赖这些工具来使用机器学习来实现客户感受。它表明，采用自动化技术、先进人工智能和机器学习的低价值工作最好能够自动产生产出，并在较少人工参与的情况下实际有效地运行。超自动化与人类一起，可以创造一个训练有素、灵活且随时准备好的工作环境，利用数据和洞察力做出快速准确的决策。超自动化使员工能够了解最新可用的公司和市场数据，以便他们能够完美地履行职责。

超自动化试图提高可持续性，同时通过增加使用自动化技术和仪器的人的劳动来节省资金并产生新的收入。公司可以了解自动化方法的广度、它们之间的相互关系，以及它们如何被聚合和促进以成功地收集和实施适当的工具。随着超自动化应用的发展，软件必须具备互操作性，新技术可以帮助企业利用即插即用框架成功地扩大运营规模。端到端自动化工具链的部署是超自动化的。它使公司能够自动化更复杂、更完整的业务流程，而不是部分业务流程。软件结合事件日志，发现未发现的过程和变化。该平台可以合法地领导技术组织，无论是通过超自动化还是数字过程自动化。

10.超级自动化的未来

超自动化是即将到来的技术变革，将继续影响几乎所有行业的公司。人们可能会把注意力集中在那些对业务有更高价值的事务上，而不必从事重复性和低价值的工作。自动化和人的参与相结合，为企业提供更好的客户体验，降低运营成本，提高盈利能力。超自动化使员工能够接受培训，利用最新的业务和市场知识以最佳方式完成任务。员工将继续解决问题，提供创新解决方案，而不是陷入重复的低级琐事中。
公司使用开发的工具彼此合作；该团队将实施新的工具来自动化一组职责。为了降低成本和提高生产率，企业越来越多地使用AI和ML工具来开发统一的、业务范围的自动化计划。
此外，当通过业务工作计划器和工作负载自动化平台执行这些流程时，AI将用于流程挖掘。通过单一、统一的解决方案，组织将通过协调各种工具，对不断变化的业务和市场需求做出快速反应。未来，超自动化的一个基本要素是将人类纳入数字化过程的能力。
机器人过程将用于模拟重复的人类工作。
此过程是监管性的，使用结构化数据完成活动。

11.结论

人工智能等新兴技术与自动化相结合，以解决难题和简化操作。超自动化可以使人们走到一起，技术和人们并肩工作，一起工作。它利用这项技术分析大数据，并作为有影响力的决策者将见解应用于公司；通过减少重复操作和自动化手动操作来优化公司流程，超自动化改变了企业。它使公司能够以一致性、精确性和速度进行操作。因此，价格降低，客户体验通常得到改善。

任何业务流程或基础架构的新方法都会遇到使用超自动化的问题。超自动化使一系列可以自动化的仪器实现自动化，并能快速解决复杂问题。许多公司在新技术方面进行了投资，以应对各种限制。通过超自动化，公司可以自动实现活动自动化，以提高生产力并为客户提供更多价值。超自动化是一种复杂的自动化，它看起来更快、更高效，并且在完成活动和流程时犯的错误更少。从而提供预期结果和基本价值要求，如收入、成本节约和风险管理。

Hyperautomation for the enhancement of automation in industries 论文翻译相关推荐

MULTI-CHANNEL SPEECH ENHANCEMENT USING GRAPH NEURAL NETWORKS 文献翻译
MULTI-CHANNEL SPEECH ENHANCEMENT USING GRAPH NEURAL NETWORKS 文献翻译来自于脸书实验室的一篇文章,将图神经网络用在了多通道语音增强上面,思 ...
论文翻译：2020_TinyLSTMs: Efficient Neural Speech Enhancement for Hearing Aids
论文地址:TinyLSTMs:助听器的高效神经语音增强音频地址:https://github.com/Bose/efficient-neural-speech-enhancement 引用格式:Fe ...
论文翻译：2022_PACDNN: A phase-aware composite deep neural network for speech enhancement
论文地址:PACDNN:一种用于语音增强的相位感知复合深度神经网络相似代码:https://github.com/phpstorm1/SE-FCN 引用格式:Hasannezhad M,Yu H,Z ...
《CASCADED TIME + TIME-FREQUENCY UNET FOR SPEECH ENHANCEMENT:JOINTLY ADDRESSING CLIPPING》论文阅读
论文的全称是<CASCADED TIME + TIME-FREQUENCY UNET FOR SPEECH ENHANCEMENT: JOINTLY ADDRESSING CLIPPING, C ...
论文翻译：2021_Low-Delay Speech Enhancement Using Perceptually Motivated Target and Loss
论文地址:使用感知动机目标和损失的低延迟语音增强引用格式:Zhang X, Ren X, Zheng X, et al. Low-Delay Speech Enhancement Using Per ...
论文翻译：2021_DeepFilterNet: A Low Complexity Speech Enhancement Framework for Full-Band Audio based on
Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/cou ...
论文翻译：2020_RNNoise：A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement...
网上已经有很多人翻译了,但我做这工作只是想让自己印象更深刻文章方向:语音增强论文地址:基于DSP/深度学习的实时全频带语音增强方法博客地址:https://www.cnblogs.com/LXP ...
论文翻译：2021_语音增强模型压缩_Towards model compression for deep learning based speech enhancement...
论文地址:面向基于深度学习的语音增强模型压缩论文代码:没开源,鼓励大家去向作者要呀,作者是中国人,在语音增强领域深耕多年引用格式:Tan K, Wang D L. Towards model c ...
论文翻译：2020_SEWUNet：Monaural Speech Enhancement Through Deep Wave-U-Net
论文地址:基于深度波形U-Net进行单耳语音增强论文代码:https://github.com/Hguimaraes/SEWUNet 引用格式:Guimarães H R, Nagano H, Si ...

Hyperautomation for the enhancement of automation in industries 论文翻译