基于深度卷积神经网络的连续语音识别研究

• 作者: 朱森 王金明 马飞
• 来源期刊: 军事通信技术
• 学科: 工学
• 关键词: 卷积神经网络 语音识别 深度卷积神经网络 过拟合 正则化
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 学术论文与技术报告
• 页码范围: 37-40
• 页数: 4页
• 分类号: TN912.3
• 语种: 中文
• DOI: 10.16464/j.cnki.cn32-1289.2016.04.008

摘要

针对传统的卷积神经网络(CNN)模型结构较浅,对语音特征建模能力有限的问题,文章利用卷积神经网络和深度置信网络(DBN)建立了一种深度卷积网络,通过增加神经网络的深度来提升模型的建模能力.考虑到网络结构较大而训练数据有限时,很容易出现过拟合的问题,使用dropout的正则化方法有效地提高了网络的性能.实验表明,与传统卷积神经网络相比,深度卷积网络的词错率相对降低了10％,使用dropout后词错率相对降低了6.2％.