本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的語音識(shí)別系統(tǒng)研究

  更多相關(guān)文章： 模式識(shí)別 深度神經(jīng)網(wǎng)絡(luò) 語音識(shí)別 隱馬爾科夫模型 模型重構(gòu)

【摘要】：語音識(shí)別是人機(jī)交互模式識(shí)別領(lǐng)域的一個(gè)重要課題,構(gòu)建了一種基于深度神經(jīng)網(wǎng)絡(luò)的語音識(shí)別系統(tǒng),使用了抗噪對(duì)比散度法和抗噪最小平方誤差法對(duì)模型進(jìn)行無監(jiān)督訓(xùn)練;使用了均值歸一化進(jìn)行模型優(yōu)化,提高了網(wǎng)絡(luò)對(duì)訓(xùn)練集的擬合度,并且降低了語音識(shí)別的錯(cuò)誤率;使用多狀態(tài)激活函數(shù)進(jìn)行了模型優(yōu)化,這不僅使得不帶噪測試和帶噪聲測試的語音識(shí)別錯(cuò)誤率進(jìn)一步下降,并能在一定程度上減輕過擬合現(xiàn)象;并通過奇異值分解和重構(gòu)的方法對(duì)模型進(jìn)行了降維。實(shí)驗(yàn)結(jié)果表明,此系統(tǒng)可以在不影響語音識(shí)別錯(cuò)誤率的基礎(chǔ)上極大地降低系統(tǒng)的復(fù)雜性。
【作者單位】： 北京林業(yè)大學(xué)工學(xué)院;
【關(guān)鍵詞】： 模式識(shí)別 深度神經(jīng)網(wǎng)絡(luò) 語音識(shí)別 隱馬爾科夫模型 模型重構(gòu)
【基金】：國家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃資助項(xiàng)目(201510022062)資助
【分類號(hào)】：TN912.34;TP183
【正文快照】： 1引言語音識(shí)別是將人類所發(fā)出的語音轉(zhuǎn)化為文字或符號(hào)的技術(shù)。從40年前開始對(duì)聲學(xué)特征的抽取,到如今使用深度神經(jīng)網(wǎng)絡(luò)作為主體的自動(dòng)語音識(shí)別系統(tǒng),語音識(shí)別技術(shù)已經(jīng)逐步完善。但語音識(shí)別技術(shù)也面臨著一些問題,比如在語音識(shí)別中單純地提取出聲音頻譜作為特征并不能達(dá)到很高的識(shí)

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 汪洪波;;語音識(shí)別系統(tǒng)在配送中心的應(yīng)用[J];信息與電腦;2006年06期

2 楊q，

本文編號(hào)：1017756