深度神经网络在维吾尔语大词汇量连续语音识别中的应用

• 作者: 戴礼荣 麦麦提艾力吐尔逊
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 深度神经网络 维吾尔语 GMM-HMM 瓶颈特征
• 年，卷（期）: 2015,（2）
• 页码范围: 365-371
• 页数: 7页
• 分类号: TP391.4
• 字数: 4285字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2015.02.015

摘要

研究将深度神经网络有效地应用到维吾尔语大词汇量连续语音识别声学建模中的两种方法：深度神经网络与隐马尔可夫模型组成混合架构模型(Deep neural network hidden Markov model,DNN-HMM),代替高斯混合模型进行状态输出概率的计算；深度神经网络作为前端的声学特征提取器提取瓶颈特征(Bottleneck features,BN),为传统的 GMM-HMM(Gaussian mixture model-HMM)声学建模架构提供更有效的声学特征(BN-GMM-HMM)。实验结果表明,DNN-HMM 模型和 BN-GMM-HMM模型比 GMM-HMM 基线模型词错误率分别降低了8.84%和5.86%,两种方法都取得了较大的性能提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴礼荣	中国科学技术大学语音及语言信息处理国家工程实验室	86	643	14.0	21.0
2	麦麦提艾力吐尔逊	中国科学技术大学语音及语言信息处理国家工程实验室	1	15	1.0	1.0