网站大量收购闲置独家精品文档,联系QQ:2885784924

类神经网路训练结合环境群集及专家混合系统于强健性语音辨识.pdf

类神经网路训练结合环境群集及专家混合系统于强健性语音辨识.pdf

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
类神经网路训练结合环境群集及专家混合系统于强健性语音辨识

The 2015 Conference on Computational Linguistics and Speech Processing ROCLING 2015, pp. 136-147  The Association for Computational Linguistics and Chinese Language Processing 類神經網路訓練結合環境群集及專家混合系統於強健性語音辨識 徐家鏞 Chia-Yung Hsu1 、王家慶 Jia-Ching Wang1 、曹昱 Yu Tsao2 1 國立中央大學資訊工程學系 Department of Computer Science and Information Engineering, National Central University 2 中央研究院資訊科技創新研究中心 Research Center for Information Technology Innovation, Academia Sinica 摘要 近年來,類神經網路 (Neural Network) 在語音辨識上的研究有著豐碩的成果,有 效地減少環境以及語者變異對語音訊號造成的影響,大幅提升辨識率,但系統的語音辨 識能力仍有改善空間。本論文即提出新的自動語音辨識系統架構,結合 Environment Clustering (EC) 、Mixture of Experts 與類神經網路以進一步提升系統效能。我們將辨識 系統分為Offline 與Online 兩階段:Offline 階段依據聲學特性將整個訓練資料集分割成 多個子訓練資料集,並建立各子訓練資料集的類神經網路(以類神經子網路稱之) 。Online 階段則使用GMM-gate 來控制類神經子網路的輸出。新提出的系統架構保留子訓練資料 集的聲學特性,強健語音辨識系統。實驗上,我們使用Aurora 2 連續數字語音資料庫, 依據字錯誤率(word error rate, WER)比較我們提出的語音辨識系統架構與傳統以類神經 網路建立的辨識系統,平均字錯誤率進步5.9% ,由5.25%降低至4.94% 。 Abstract Recently, automatic speech recognition (ASR) using neural network (NN) based acoustic model (AM) has achieved significant improvements. However, the mismatch (including speaker and speaking environment) of training and testing conditions still confines the applicability of ASR. This paper proposes a novel approach that combines the environment clustering (EC) and mixture of experts (MOE) algorithms (thus the proposed approach is termed EC-MOE) to enhance the robustness of ASR against mismatches. In the offline phase, we split the entire training set into several subsets, with each subset characterizing a specific speaker and speaking environment. Then, we use each subset of training data to prepare an NN-based AM. In the online pha

文档评论(0)

ailuojue + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档