连续音素的改进深信度网络的识别算法

• 作者: 赵力 赵焱 阴法明
• 来源期刊: 应用声学
• 学科: 工学
• 关键词: 并行回火 受限玻尔兹曼机 深信度网络 音素识别
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 39-44
• 页数: 6页
• 分类号: TP18
• 字数: 3904字
• 语种: 中文
• DOI: 10.11684/j.issn.1000-310X.2019.01.006

摘要

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法.首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络.接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调.最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别.在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%.

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	东南大学信息科学工程学院	308	3093	27.0	44.0
2	阴法明	南京信息职业技术学院通信学院	23	110	5.0	9.0
3	赵焱	东南大学信息科学工程学院	2	2	1.0	1.0