| 连续音素的改进深信度网络的识别算法* |
| |
| 引用本文： | 阴法明,赵 焱,赵力. 连续音素的改进深信度网络的识别算法*[J]. 应用声学, 2019, 38(1): 39-44 |
| |
| 作者姓名： | 阴法明 赵 焱 赵力 |
| |
| 作者单位： | 南京信息职业技术学院,东南大学,东南大学 |
| |
| 基金项目： | 国家自然科学基金项目 (61571106) |
| |
| 摘 要： | ![]()
为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。
|
| 关 键 词： | 并行回火；受限玻尔兹曼机；深信度网络；音素识别 |
| 收稿时间： | 2018-04-25 |
| 修稿时间： | 2018-12-29 |
Phoneme recognition based on deep belief network |
| |
| Yin Faming,ZHAO Yan and Zhao Li. Phoneme recognition based on deep belief network[J]. Applied Acoustics(China), 2019, 38(1): 39-44 |
| |
| Authors: | Yin Faming ZHAO Yan Zhao Li |
| |
| Affiliation: | Nanjing College of Information Technology,Southeast University and Southeast University |
| |
| Abstract: | ![]()
|
| |
| Keywords: | Parallel tempering Restricted Boltzmann Machine Deep belief network Phoneme recognition |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《应用声学》浏览原始摘要信息 |
|
点击此处可从《应用声学》下载免费的PDF全文 |
|
