深度神经网络自适应中基于身份认证向量的归一化方法OA北大核心CSCDCSTPCD
Investigation of normalization methods in speaker adaptation of deep neural network using i-vector
深度神经网络是近年来非常流行的一种语音识别声学建模技术,其性能比之前主流的高斯混合模型有显著提高,但是深度神经网络的说话人自适应技术一直没有很好地解决.利用身份认证向量对深度神经网络进行自适应,并研究身份认证向量归一化对系统的影向,提出一种新的max-min线性归一化技术.实验表明在TIMIT数据集上该技术可使字错误率比传统方法相对下降5.10％.
The deep neural network (DNN) was a remarkable modeling technology for speech recognition in recent years and its performance was significantly better than that of the Gaussian mixture model,which was the mainstream modeling technology in speech recognition before.However,commendable adaptation of DNN has not been solved yet.In this work,we use the identity vector (i-vector) to adapt a deep neural network by putting i-vector and the regular speech features t…查看全部>>
杨建斌;张卫强;刘加
清华大学电子工程系,北京100084清华大学电子工程系,北京100084清华大学电子工程系,北京100084
信息技术与安全科学
身份认证向量深度神经网络说话人自适应归一化
identity vectordeep neural networkspeaker adaptationnormalization
《中国科学院大学学报》 2017 (5)
基于信息几何的说话人标记算法研究
633-639,7
国家自然科学基金(61370034,61403224)资助
评论