基于POWER8的动态自适应池化算法

• 作者: 张兴革 景维鹏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 POWER8架构 池化算法 Caffe深度学习工具 语音特征提取 数据相关性
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 207-212
• 页数: 6页
• 分类号: TP393
• 字数: 4859字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.05.035

摘要

针对当前卷积神经网络(CNN)模型中池化层关键语音特征提取效率低下的问题,提出一种基于POWER8架构的动态自适应池化(DA-Pooling)算法.在深度学习工具Caffe上实现CNN模型,输入经过卷积层的梅尔域滤波带系数,提取局部相邻语音的特征数据,通过计算Spearman相关系数确定数据间的相关程度.根据特征权重对具有不同相关性的语音数据动态分配池化算法,以提高池化层对不同相关性数据的适应能力.DA-Pooling利用POWER8的高效浮点运算和多线程并行计算优势,提高了海量语音数据的处理效率.实验结果证明,相比现有主流Pooling算法,DA-Pooling可提高关键语音数据的识别准确率,保证CNN中语音识别的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景维鹏	东北林业大学信息与计算机工程学院	37	217	8.0	12.0
2	张兴革	东北林业大学信息与计算机工程学院	1	5	1.0	1.0