基于反向卷积的Bi-LSTM语音识别

• 作者: 刘罡 吕微 居治华 武业皓 阮佳慧 陈琦岚
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 语音识别 双向长短时记忆神经网络 深度学习
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 27-30,36
• 页数: 5页
• 分类号: TP301
• 字数: 3783字
• 语种: 中文
• DOI: 10.11907/rjdk.173082

摘要

语音本身具有一定的上下文相关性,而传统语音识别系统中的语言模型对历史信息记忆能力不足,无法充分学习语音序列的相关性.为解决该问题,提出一种基于反向卷积的双向长短时记忆(Bi-LSTM)网络的语音识别方法,该模型在反向长短时记忆单元通路末端增加了一个卷积层,再经过两个全连接层,最后通过分类器输出识别结果.将该模型与目前主流的深度学习模型进行实验对比,结果表明该模型能有效提高语音识别正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	居治华	湖北工业大学计算机学院	1	6	1.0	1.0
2	刘罡	湖北工业大学计算机学院	10	53	5.0	7.0
3	陈琦岚	湖北工业大学计算机学院	1	6	1.0	1.0
4	吕微	湖北工业大学计算机学院	1	6	1.0	1.0
5	阮佳慧	湖北工业大学计算机学院	1	6	1.0	1.0
6	武业皓	湖北工业大学计算机学院	1	6	1.0	1.0