基于改进的LSTM深度神经网络语音识别研究

• 作者: 董小雨 赵淑芳
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 长短时记忆(LSTM) 深度神经网络 语音识别
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 智能计算
• 页码范围: 63-67
• 页数: 5页
• 分类号: TP39
• 字数: 3387字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2018.02.004

摘要

当前基于LSTM结构的神经网络语言模型中,在隐藏层引入了LSTM结构单元,这种结构单元包含一个信息储存较久的存储单元,对历史信息有良好的记忆功能.但LSTM中当前输入信息的状态不能影响到输出门最后的输出信息,对历史信息的获取较少.针对以上问题,笔者提出了基于改进的LSTM(long short-term memory)网络模型建模方法,该模型增加从当前输入门到输出门的连接,同时将遗忘门和输入门合成一个单一的更新门.信息通过输入门和遗忘门将过去与现在的记忆进行合并,可以选择遗忘之前累积的信息,使得改进的LSTM模型可以学到长时期的历史信息,解决了标准LSTM方法的缺点,具有更强的鲁棒性.采用基于改进的LSTM结构的神经网络语言模型,在TIMIT数据集上进行模型测试,结果表明,改进的LSTM识别错误率较标准的LSTM识别错误率降低了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	赵淑芳	太原科技大学计算机科学与技术学院	14	64	4.0	7.0
2	董小雨	太原科技大学计算机科学与技术学院	1	16	1.0	1.0