一种基于RBM的深层神经网络音素识别方法

• 作者: 张文林 李弼程 牛铜 陈琦
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 受限玻尔兹曼机 深可信网络 神经网络 音素识别
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 信息处理技术
• 页码范围: 569-574
• 页数: 6页
• 分类号: TN912.34
• 字数: 5096字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2013.05.011

摘要

为提高连续语音识别中的音素识别准确率,采用深可信网络提取语音音素后验概率进行音素识别.首先利用受限玻尔兹曼机的学习原理,对深可信网络进行逐层的预训练；然后通过增加一个“软最大化(softmax)”输出层,得到用于音素状态后验概率检测的深层神经网络,并采用后向传播算法进行网络权值的精细调整；最后以后验概率为HMM发射概率,使用Viterbi解码器进行音素识别.针对TIMIT语料库的实验结果表明,该系统的音素识别率优于GMM/HMM,MLP/HMM和TANDEM系统性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李弼程		102	1583	19.0	37.0
2	张文林		16	77	5.0	8.0
3	牛铜		6	17	2.0	4.0
4	陈琦		9	64	4.0	8.0