基于迁移学习的低资源度维吾尔语语音识别

• 作者: 徐海华 王俊超 胡英 黄浩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 语音识别 声学模型 维吾尔语 低资源度 深度神经网络 迁移学习
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 多媒体技术及应用
• 页码范围: 281-285,291
• 页数: 6页
• 分类号: TN912
• 字数: 6351字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048134

摘要

语音识别中通常需要用较大的数据量来训练声学模型,而使用资源匮乏的维吾尔语数据训练的深度神经网络声学模型性能较差.针对该问题,根据深度神经网络模型能够进行迁移学习的特点,提出用少量维吾尔语数据重新训练由其他资源丰富语料训练而成的基础声学模型,从而构建一个性能更好的维吾尔语声学模型.实验结果表明,相比于基线系统迁移学习的训练方法,该方法能够显著提高维吾尔语的语音识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄浩	新疆大学信息科学与工程学院	34	106	5.0	9.0
2	胡英	新疆大学信息科学与工程学院	5	9	2.0	3.0
3	王俊超	新疆大学信息科学与工程学院	1	4	1.0	1.0