深度神经网络自适应中基于身份认证向量的归一化方法

• 作者: 刘加 张卫强 杨建斌
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 身份认证向量 深度神经网络 说话人自适应 归一化
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信息与电子科学
• 页码范围: 633-639
• 页数: 7页
• 分类号: TN912
• 字数: 5228字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2017.05.014

摘要

深度神经网络是近年来非常流行的一种语音识别声学建模技术,其性能比之前主流的高斯混合模型有显著提高,但是深度神经网络的说话人自适应技术一直没有很好地解决.利用身份认证向量对深度神经网络进行自适应,并研究身份认证向量归一化对系统的影向,提出一种新的max-min线性归一化技术.实验表明在TIMIT数据集上该技术可使字错误率比传统方法相对下降5.10％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘加	清华大学电子工程系	79	938	18.0	28.0
2	张卫强	清华大学电子工程系	17	115	7.0	10.0
3	杨建斌	清华大学电子工程系	1	0	0.0	0.0