论文研究-低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统.pdf

所需积分/C币:27 2019-07-22 22:56:52 1.32MB .PDF
收藏 收藏
举报

在低资源条件下,由于带标注训练数据较少,搭建的语音识别系统性能往往不甚理想。针对此问题,首先在声学模型上研究了长短时记忆(LSTM)递归神经网络,通过对长序列进行建模来充分挖掘上下文信息,并且引入线性投影层减小模型参数;然后研究了在特征空间中对说话人进行建模的技术,提取出能有效反映说话人和信道信息的身份认证矢量(i-vector);最后将上述研究结合构建了基于i-vector特征的LSTM递归神经网络系统。在Open KWS 2013标准数据集上进行实验,结果表明该技术相比于深度神经网络基线系统有相对10%的字节错误率降低。

...展开详情
试读 5P 论文研究-低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统.pdf 27积分/C币 立即下载
    1/5
    论文研究-低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统.pdf第1页
    论文研究-低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统.pdf第2页

    试读已结束,剩余3页未读...

    27积分/C币 立即下载 >