基于RBM的语音特征提取方法研究

• 作者: 李明明 赵从健 雷菊阳
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 语音识别 受限玻尔茨曼机 特征提取 梯度上升 对比散度
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 114-117
• 页数: 4页
• 分类号: TP301
• 字数: 3403字
• 语种: 中文
• DOI: 10.11907/rjdk.191462

摘要

针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机(RBM)的特征提取方法.依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度.实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20％.此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9％,对提升多目标语音识别率具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷菊阳	上海工程技术大学机械与汽车工程学院	26	80	5.0	8.0
2	赵从健	上海工程技术大学机械与汽车工程学院	5	1	1.0	1.0
3	李明明	上海工程技术大学机械与汽车工程学院	5	1	1.0	1.0