计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2015年
8期
2289-2291,2298
,共4页
语音识别%人工神经网络%深度学习%自编码器%规整网络
語音識彆%人工神經網絡%深度學習%自編碼器%規整網絡
어음식별%인공신경망락%심도학습%자편마기%규정망락
speech recognition%artificial neural networks%deep learning%autoencoder%alignment networks
为了提高语音识别系统性能,研究提出将自编码器深度学习神经网络应用于语音识别中.该网络结构引入贪婪逐层预训练学习算法,通过预训练和微调两个步骤提取出待识别语音信号的本质特征,克服传统多层人工神经网络模型在训练时存在易陷入局部极小值且需要大量标签数据的问题;经过规整网络,将任意长度帧的语音特征参数规整到某一特定帧,输入到分类器中进行语音识别.对反向传播神经网络和自编码神经网络分别进行了仿真实验,结果表明深度学习神经网络识别准确率较传统神经网络有20.0%的提升,是一种优良的语音识别模型.
為瞭提高語音識彆繫統性能,研究提齣將自編碼器深度學習神經網絡應用于語音識彆中.該網絡結構引入貪婪逐層預訓練學習算法,通過預訓練和微調兩箇步驟提取齣待識彆語音信號的本質特徵,剋服傳統多層人工神經網絡模型在訓練時存在易陷入跼部極小值且需要大量標籤數據的問題;經過規整網絡,將任意長度幀的語音特徵參數規整到某一特定幀,輸入到分類器中進行語音識彆.對反嚮傳播神經網絡和自編碼神經網絡分彆進行瞭倣真實驗,結果錶明深度學習神經網絡識彆準確率較傳統神經網絡有20.0%的提升,是一種優良的語音識彆模型.
위료제고어음식별계통성능,연구제출장자편마기심도학습신경망락응용우어음식별중.해망락결구인입탐람축층예훈련학습산법,통과예훈련화미조량개보취제취출대식별어음신호적본질특정,극복전통다층인공신경망락모형재훈련시존재역함입국부겁소치차수요대량표첨수거적문제;경과규정망락,장임의장도정적어음특정삼수규정도모일특정정,수입도분류기중진행어음식별.대반향전파신경망락화자편마신경망락분별진행료방진실험,결과표명심도학습신경망락식별준학솔교전통신경망락유20.0%적제승,시일충우량적어음식별모형.