一种新的基于DBN的声学特征提取方法OA
A New Feature Extraction Method Based on Bottleneck Deep Belief Network
大词汇量连续语音识别系统中，为了进一步增强网络的鲁棒性、提升深度置信网络的识别准确率，提出一种基于区分性和ODLR自适应瓶颈深度置信网络的特征提取方法。该方法首先使用鲁棒性较强的瓶颈深度置信网络进行初步特征提取，进而进行区分性训练，使网络的区分性更强、识别准确率更高，在此基础上引入说话人自适应技术对网络进行调整，提高模型的鲁棒性。利用提出的声学特征在多个噪声较强、主题风格较为随意的多个公共连续语音数据库上进行了测试，识别结果取得了22．2％…查看全部>>
In order to further improve the robustness and recognition rate of deep belief network in Large Vocabulary Continuous Speech Recognition system,this paper presented a novel bottleneck deep belief network to extract new features, which was based on speaker adaptation and discriminative training.Firstly,a bottleneck deep belief network was adopted to get the feature.And discriminative training performed on this basis gave a more distinguished network to improv…查看全部>>
陈雷;杨俊安;王龙;李晋徽
电子工程学院，安徽 合肥230037 电子制约技术安徽省重点实验室，安徽 合肥230037电子工程学院，安徽 合肥230037 电子制约技术安徽省重点实验室，安徽 合肥230037
信息技术与安全科学
连续语音识别瓶颈深度置信网络区分性训练ODLR
Continuous Speech RecognitionBottleneck Deep Belief NetworkDiscriminative TrainingODLR
《无线电通信技术》 2015 (6)
复杂背景下低空飞行多目标声探测处理方法研究
41-45,5
国家自然科学基金项目（60872113）
评论