基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
作为一种基于深层神经网络提取的低维特征,瓶颈特征在连续语音识别中取得了很大的成功.然而训练瓶颈结构的深层神经网络时,瓶颈层的存在会降低网络输出层的帧准确率,进而反过来影响该特征的性能.针对这一问题,本文基于非负矩阵分解算法,提出一种利用不包含瓶颈层的深层神经网络提取低维特征的方法.该方法利用半非负矩阵分解和凸非负矩阵分解算法对隐含层权值矩阵分解得到基矩阵,将其作为新的特征层权值矩阵,然后在该层不设置偏移向量的情况下,通过数据前向传播提取新型特征.实验表明,该特征具有较为稳定的规律,且适用于不同的识别任务和网络结构.当使用训练数据充足的语料进行实验时,该特征表现出同瓶颈特征几乎相同的识别性能;而在低资源环境下,基于该特征识别系统的识别率明显优于深层神经网络混合识别系统和瓶颈特征识别系统.
推荐文章
非负矩阵分解特征提取技术的研究进展
模式识别
非负矩阵分解
图像特征提取
稀疏表示
组合2DFLDA监督的非负矩阵分解和独立分量分析的特征提取方法
人脸识别
梯度非负矩阵分解
径向基网络
基于非负矩阵分解算法的目标成像识别方法
引信
激光成像
非负矩阵分解
目标识别
基于稀疏性非负矩阵分解的故障监测方法
故障监测
非负矩阵分解
主元分析
稀疏编码
统计过程监控
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于非负矩阵分解的语音深层低维特征提取方法
来源期刊 数据采集与处理 学科 工学
关键词 连续语音识别 深层神经网络 半非负矩阵分解 凸非负矩阵分解 低维特征
年,卷(期) 2017,(5) 所属期刊栏目
研究方向 页码范围 921-930
页数 10页 分类号 TN912.34
字数 7533字 语种 中文
DOI 10.16337/j.1004-9037.2017.05.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张连海 解放军信息工程大学信息系统工程学院 34 63 4.0 6.0
2 秦楚雄 解放军信息工程大学信息系统工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (21)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (17)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(6)
  • 参考文献(3)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
连续语音识别
深层神经网络
半非负矩阵分解
凸非负矩阵分解
低维特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导