深度信念网络的Bottleneck特征提取方法

• 作者: 景新幸 杨海燕 谈建慧
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 连续语音识别 深度信念网络 Bottleneck特征 音素错误率
• 年，卷（期）: 2016,（2）
• 页码范围: 118-122
• 页数: 5页
• 分类号: TP391.4
• 字数: 3876字
• 语种: 中文

摘要

为了提升连续语音识别系统的识别率，提出一种基于深度信念网络的 Bottleneck 特征提取方法。该方法使用对比散度算法，采用无监督的预训练堆叠限制玻尔兹曼机得到网络初始化参数，进而采用反向传播算法，以最大化帧级交叉熵作为训练准则，反向迭代对网络参数进行微调。采用上下文相关的三音素模型，以音素错误率大小作为评价系统性能的准则。实验结果表明，所提出的基于深度信念网络提取的Bottleneck特征相对于传统特征更具优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景新幸	桂林电子科技大学信息与通信学院	106	690	13.0	21.0
2	杨海燕	桂林电子科技大学信息与通信学院	27	233	7.0	14.0
3	谈建慧	桂林电子科技大学信息与通信学院	1	2	1.0	1.0