基于LFMMI准则的低资源普通话识别改进

作     者：王彦哲 张立民 张兵强 李振宇 WANG Yan-zhe;ZHANG Li-min;ZHANG Bing-qiang;LI Zhen-yu

作者机构：海军航空大学信息融合研究所 

基　　金：国家自然科学基金重大研究计划基金项目(91538201) 泰山学者工程专项经费基金项目(ts201511020) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第9期

页      码：2638-2642页

摘      要：连续语音识别系统对声学数据的训练和识别是以序列级转录准确性为性能度量,因此专门对基于序列级转录的普通话语音识别系统进行研究。模型使用能进行长时序训练的时延神经网络,训练采用具有端到端思想的LFMMI准则。此外对于低资源语料条件下系统性能不佳的问题,增加输入特征所包含的信息,训练中使用批量归一化和Maxout函数提高模型拟合度,减轻泛化误差,增加训练语料的规模。实验结果表明,模型识别准确率提升约18%,取得明显改善。

主 题 词：序列级 低资源 端到端 拟合度 训练语料 

学科分类：0711[理学-心理学类] 07[理学] 

D　O　I：10.16208/j.issn1000-7024.2019.09.041

馆 藏 号：203778587...