基于改进的深度神经网络的说话人辨认研究

• 作者: 吕亮 赵力 赵艳
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 说话人辨认 堆叠降噪自编码 深度信念网络 整流线性单元
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 电子电路设计分析及应用
• 页码范围: 1229-1233
• 页数: 5页
• 分类号: TN912.3|TP317.5
• 字数: 4056字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2017.05.034

摘要

说话人辨认技术在许多领域有着广泛的应用前景.首先研究了两种基本的深度神经网络模型(深度信念网络和降噪自编码)在说话人辨认上的应用,深度神经网络通过逐层无监督的预训练和有监督的反向微调避免了反向传播容易陷入局部最小值的缺陷,通过实验证明了当神经元个数达到一定数量之后深度网络模型是优于普通BP网络的,并且其性能随着网络规模的扩大而提升.考虑到大规模的深度网络训练时间较长的缺点,提出使用整流线性单元(ReLU)代替传统的sigmoid类函数对说话人识别的深度模型进行改进,实验结果表明改进后的深度模型平均训练时间减少了35%,平均误识率降低了8.3%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵力	东南大学信息科学与工程学院	308	3093	27.0	44.0
2	赵艳	南京工程学院电力工程学院	6	11	3.0	3.0
3	吕亮	东南大学信息科学与工程学院	2	3	1.0	1.0