發(fā)布時間：2018-01-13 16:03

  本文關鍵詞：低資源條件下基于i-vector特征的LSTM遞歸神經(jīng)網(wǎng)絡語音識別系統(tǒng)　出處：《計算機應用研究》2017年02期 　論文類型：期刊論文

  更多相關文章： 語音識別 長短時記憶神經(jīng)網(wǎng)絡 身份認證矢量

【摘要】：在低資源條件下,由于帶標注訓練數(shù)據(jù)較少,搭建的語音識別系統(tǒng)性能往往不甚理想。針對此問題,首先在聲學模型上研究了長短時記憶(LSTM)遞歸神經(jīng)網(wǎng)絡,通過對長序列進行建模來充分挖掘上下文信息,并且引入線性投影層減小模型參數(shù);然后研究了在特征空間中對說話人進行建模的技術,提取出能有效反映說話人和信道信息的身份認證矢量(i-vector);最后將上述研究結(jié)合構(gòu)建了基于i-vector特征的LSTM遞歸神經(jīng)網(wǎng)絡系統(tǒng)。在Open KWS 2013標準數(shù)據(jù)集上進行實驗,結(jié)果表明該技術相比于深度神經(jīng)網(wǎng)絡基線系統(tǒng)有相對10%的字節(jié)錯誤率降低。
[Abstract]:In this paper , a recursive neural network of long short - term memory ( LSTM ) is studied on the acoustic model , which can effectively reflect the identity authentication vector ( i - vector ) of speaker and channel information . Finally , the research is carried out on the standard data set of Open KWS 2013 . The results show that the technique has a relative error rate of 10 % compared to the baseline system of deep neural network .

【作者單位】： 中國科學院大學;中國科學院電子學研究所傳感技術國家重點實驗室;清華大學電子工程系清華信息科學與技術國家實驗室;
【基金】：國家自然科學基金資助項目(61273268,61370034,61403224)
【分類號】：TN912.34;TP183
【正文快照】： 0引言近年來,深度神經(jīng)網(wǎng)絡(deep neural network,DNN)的研究和應用極大地推動了語音識別的發(fā)展,它相對于使用高斯混合模型(Gaussian mixture model,GMM)搭建的語音識別系統(tǒng)取得了巨大的進步[1],也使得各種語音應用如春筍般涌現(xiàn)。在無噪聲環(huán)境下大數(shù)據(jù)集的語音識別技術已經(jīng)非常

【相似文獻】

相關期刊論文 前10條

1 金仁貴;;帶有偏差單元的遞歸神經(jīng)網(wǎng)絡在故障診斷方面的應用[J];電腦知識與技術;2006年29期

2 陳鋼;王占山;;連續(xù)時間遞歸神經(jīng)網(wǎng)絡的穩(wěn)定性分析[J];沈陽理工大學學報;2007年02期

3 汪曉夢;;帶有偏差單元的遞歸神經(jīng)網(wǎng)絡在故障診斷方面的應用優(yōu)化[J];甘肅聯(lián)合大學學報(自然科學版);2010年05期

4 杜艷可;徐瑞;;具有時滯的遞歸神經(jīng)網(wǎng)絡動力學研究進展[J];北華大學學報(自然科學版);2012年01期

5 蔣洪睿,莫瑋,李麗;遞歸神經(jīng)網(wǎng)絡自適應均衡抗突發(fā)干擾研究[J];電訊技術;2000年01期

6 宋軼民,余躍慶,張策,馬文貴;動態(tài)遞歸神經(jīng)網(wǎng)絡及其在機敏機構(gòu)辨識中的應用[J];機械科學與技術;2001年04期

7 張奇志,賈永樂,周雅莉;噪聲有源控制的遞歸神經(jīng)網(wǎng)絡方法[J];控制與決策;2001年03期

8 李峰,李樹榮;基于動態(tài)遞歸神經(jīng)網(wǎng)絡的動態(tài)矩陣控制[J];石油大學學報(自然科學版);2001年03期

9 唐普英,李紹榮,黃順吉;一種新的復值遞歸神經(jīng)網(wǎng)絡訓練方法及其應用[J];信號處理;2001年06期

10 文敦偉,蔡自興;遞歸神經(jīng)網(wǎng)絡的模糊隨機學習算法[J];高技術通訊;2002年01期

相關會議論文 前10條

1 房毅憲;王寶文;王永茂;;基于偏差遞歸神經(jīng)網(wǎng)絡的股價預測(英文)[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

2 劉勇;沈毅;胡恒章;;遞歸神經(jīng)網(wǎng)絡自適應濾波器[A];1998年中國智能自動化學術會議論文集（上冊）[C];1998年

3 趙英凱;蔡寧;;基于對角遞歸神經(jīng)網(wǎng)絡的肟化投酮量在線預估[A];1998年中國智能自動化學術會議論文集（上冊）[C];1998年

4 李樹榮;李峰;;基于動態(tài)遞歸神經(jīng)網(wǎng)絡的非線性系統(tǒng)重構(gòu)[A];1998年中國控制會議論文集[C];1998年

5 史志偉;韓敏;;應用遞歸神經(jīng)網(wǎng)絡建立非線性結(jié)構(gòu)系統(tǒng)模型[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

6 叢爽;戴誼;;遞歸神經(jīng)網(wǎng)絡逼近性能的研究[A];'2006系統(tǒng)仿真技術及其應用學術交流會論文集[C];2006年

7 呂進;郭晨;劉雨;;基于不完全遞歸神經(jīng)網(wǎng)絡的二階導數(shù)多步預測模糊控制及應用[A];2007年中國智能自動化會議論文集[C];2007年

8 蒲興成;;時變時滯不確定遞歸神經(jīng)網(wǎng)絡漸近穩(wěn)定的一個充分條件[A];2008’“先進集成技術”院士論壇暨第二屆儀表、自動化與先進集成技術大會論文集[C];2008年

9 仉寶玉;吳志敏;;基于對角遞歸神經(jīng)網(wǎng)絡的智能PID控制[A];'2003系統(tǒng)仿真技術及其應用學術交流會論文集[C];2003年

10 沈艷;謝美萍;;基于遞歸神經(jīng)網(wǎng)絡的船舶運動極短期建模預報[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

相關博士學位論文 前10條

1 趙永昌;一類時滯靜態(tài)遞歸神經(jīng)網(wǎng)絡的動力學行為研究[D];中國海洋大學;2010年

2 高海賓;擾動作用下遞歸神經(jīng)網(wǎng)絡穩(wěn)定性研究[D];燕山大學;2006年

3 黃玉嬌;具有廣義分段線性激活函數(shù)的遞歸神經(jīng)網(wǎng)絡的多穩(wěn)定性分析[D];東北大學;2014年

4 徐東坡;遞歸神經(jīng)網(wǎng)絡梯度學習算法的收斂性[D];大連理工大學;2009年

5 于佳麗;遞歸神經(jīng)網(wǎng)絡的連續(xù)吸引子與模糊控制[D];電子科技大學;2009年

6 王芬;遞歸神經(jīng)網(wǎng)絡的動力學行為分析[D];武漢科技大學;2011年

7 季策;時滯遞歸神經(jīng)網(wǎng)絡的動態(tài)特性研究[D];東北大學;2005年

8 徐軍;遞歸神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];浙江大學;2007年

9 張銳;幾類遞歸神經(jīng)網(wǎng)絡的穩(wěn)定性及其應用研究[D];東北大學;2010年

10 張益軍;時滯遞歸神經(jīng)網(wǎng)絡穩(wěn)定性分析及網(wǎng)絡化同步控制[D];東華大學;2008年

相關碩士學位論文 前10條

1 柳玉華;一種遞歸神經(jīng)網(wǎng)絡方法研究及其在非線性系統(tǒng)跟蹤控制中的應用[D];江西理工大學;2015年

2 羅威威;全局指數(shù)穩(wěn)定的遞歸神經(jīng)網(wǎng)絡的魯棒性分析[D];中國礦業(yè)大學;2015年

3 楊渺渺;具有時滯的遞歸神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];電子科技大學;2015年

4 崔志超;基于產(chǎn)品特征的中文評論情感分析系統(tǒng)設計與實現(xiàn)[D];河北科技大學;2015年

5 余仕敏;基于遞歸神經(jīng)網(wǎng)絡的廣告點擊率預估[D];浙江理工大學;2016年

6 宛立達;基于振動信號分析的故障診斷理論與應用[D];東北石油大學;2010年

7 李克強;基于Spark的大規(guī)模RNNLM系統(tǒng)[D];江蘇大學;2016年

8 謝偉浩;基于多尺度時間遞歸神經(jīng)網(wǎng)絡的人群異常檢測[D];廣東工業(yè)大學;2016年

9 曹成遠;基于深度學習的蛋白質(zhì)殘基相互作用預測[D];蘇州大學;2016年

10 梁軍;基于深度學習的文本特征表示及分類應用[D];鄭州大學;2016年

，

本文編號：1419532