基于混合DBNN-BLSTM模型的大词汇量连续语音识别

• 作者: 李云红 王延年 王成
• 来源期刊: 纺织高校基础科学学报
• 关键词: 大词汇量 语音识别 深度置信神经网络 双向长短时记忆模型
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 应用研究
• 页码范围: 103-107,114
• 页数: 6页
• 分类号: TN912.34
• 语种: 中文
• DOI: 10.13338/j.issn.1006-8341.2018.01.017

摘要

深度置信神经网络(DBNN)模型和双向长短时记忆神经网络模型(BLSTM)在单独进行特征提取时识别率不理想,长短时记忆单元(LSTM)与BLSTM模型可以更好解析语音数据特征.因此将DBNN模型和BLSTM 模型相结合,提出一种大词汇量连续语音识别(LVCSR)的声学模型建立方法,并在Keras深度学习框架下进行实验.实验结果表明,使用改进的DBNN-BLSTM模型进行大词汇量连续语音识别,识别精度有所提高,比BLSTM模型的语音识别率提高5%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云红	西安工程大学电子信息学院	79	846	12.0	27.0
2	王延年	西安工程大学电子信息学院	95	392	11.0	15.0
3	王成	西安工程大学电子信息学院	1	2	1.0	1.0