中国综合性科技类核心期刊(北大核心)

中国科学引文数据库来源期刊(CSCD)

美国《化学文摘》(CA)收录

美国《数学评论》(MR)收录

俄罗斯《文摘杂志》收录

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深层神经网络(DNN)的汉语方言种属语音识别

景亚鹏 郑骏 胡文心

景亚鹏, 郑骏, 胡文心. 基于深层神经网络(DNN)的汉语方言种属语音识别[J]. 华东师范大学学报(自然科学版), 2014, (1): 60-67.
引用本文: 景亚鹏, 郑骏, 胡文心. 基于深层神经网络(DNN)的汉语方言种属语音识别[J]. 华东师范大学学报(自然科学版), 2014, (1): 60-67.
JING Ya-peng, ZHENG Jun, HU Wen-xin. Belongingness of Chinese dialect speech recognition based on deep neural network[J]. Journal of East China Normal University (Natural Sciences), 2014, (1): 60-67.
Citation: JING Ya-peng, ZHENG Jun, HU Wen-xin. Belongingness of Chinese dialect speech recognition based on deep neural network[J]. Journal of East China Normal University (Natural Sciences), 2014, (1): 60-67.

基于深层神经网络(DNN)的汉语方言种属语音识别

详细信息
  • 中图分类号: TP391

Belongingness of Chinese dialect speech recognition based on deep neural network

  • 摘要: 将深层神经网络(Deep Neural Network)应用于汉语方言种属语音识别.基于优化的QuickNet软件,为方言识别实现了一种有监督的DNN逐层预训练方法.在训练时,从3层开始逐层做有监督的神经网络训练,每增长一层的初始权值包含前一层训练好的部分权值和输出端的随机权值.在得到最大层的初始权值后,再进行传统的BP网络训练.该方法和普通神经网络相比识别率有较大提升,可用于移动互联网标准语音识别入口、方言口音鉴识等领域.
  • [1] [1] HINTON G, DENG L, YU D, et al. Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups[J]. Signal Processing Magazine, IEEE, 2012, 29(6): 82-97.

    [2] BAKER J. The DRAGON system-An overview[J]. Acoustics, Speech and Signal Processing, IEEE Transactions on, 1975, 23(1): 24-29.

    [3] OH K S, JUNG K. GPU implementation of neural networks[J]. Pattern Recognition, 2004, 37(6): 1311-1314.

    [4] 顾明亮, 沈兆勇. 基于语音配列的汉语方言自动辨识[J]. 中文信息学报, 2006, 20(5): 77-82.

    [5] RUMELHART D E, HINTON G E, WILLIAMS R J. Learning representations by back-propagating errors[J]. Nature, 1986, 323(6088): 533-536.

    [6] HINTON G E, OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets[J]. Neural Computation, 2006, 18(7): 1527-1554.

    [7] LAROCHELLE H, BENGIO Y, LOURADOUR J, et al. Exploring strategies for training deep neural networks[J]. The Journal of Machine Learning Research, 2009(10): 1-40.

    [8] BENGIO Y, LAMBLIN P, POPOVICI D, et al. Greedy layer-wise training of deep networks[J]. Advances in Neural Information Processing Systems, 2007(19): 153.
  • 加载中
计量
  • 文章访问数:  1950
  • HTML全文浏览量:  22
  • PDF下载量:  3328
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-03-01
  • 修回日期:  2013-06-01
  • 刊出日期:  2014-01-25

目录

    /

    返回文章
    返回