改进卷积输入的端到端普通话语音识别

• 作者: 张兵强 张立民 李振宇 王彦哲
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 序列级 低资源 端到端 卷积神经网络 批量归一化
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 143-149
• 页数: 7页
• 分类号: TP391.4
• 字数: 6494字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0486

摘要

主流神经网络训练的交叉熵准则是对声学数据的每个帧进行分类优化,而连续语音识别是以序列级转录准确性为性能度量.针对这个不同,构建基于序列级转录的端到端语音识别系统.针对低资源语料条件下系统性能不佳的问题,其中模型使用卷积神经网络对输入特征进行处理,选取最佳的网络结构,在时域和频域进行二维卷积,从而改善输入空间中因不同环境和说话人产生的小扰动影响.同时神经网络使用批量归一化技术来减少泛化误差,加速训练.基于大型的语言模型,优化解码过程中的超参数,提高模型建模效果.实验结果表明系统性能提升约24%,优于主流语音识别系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立民	海军航空大学信息融合研究所	163	596	11.0	15.0
2	王彦哲	海军航空大学信息融合研究所	6	5	1.0	2.0
3	张兵强	海军航空大学信息融合研究所	27	87	6.0	8.0
4	李振宇	海军航空大学信息融合研究所	5	2	1.0	1.0