深度神经网络技术在汉语语音识别声学建模中的优化策略

摘要：

将深度神经网络作为声学模型引入面向汉语电话自然口语交谈语音识别系统.针对自然口语中识别字错误率较高的问题,从语音的声学特征类型选择、模型训练时元参数调节以及改善模型泛化能力等方面出发,对基于深度神经网络的声学模型建模技术进行了一系列的优化.针对训练样本中状态先验概率分布稀疏的情况,提出了一种状态先验概率平滑算法,在一定程度上缓解了这种数据稀疏问题,经平滑后,字错误率下降超过1％.在所采用的3个电话自然口语交谈测试集上,相对于优化前的深度神经网络模型,经过优化后的模型取得了性能的一致提升,字错误率平均相对降低15％.实验结果表明,所采用优化策略可以有效地改善深度神经网络声学模型性能.

关键词：深层神经网络、语音识别、隐马尔科夫模型、概率平滑

所属期刊栏目：26

分类号：TP18;TP391(自动化基础理论)

资助基金：国家自然科学基金10925419,90920302,61072124,11074275,11161140319,91120001,61271426;中国科学院战略性先导科技专项XDA06030100,XDA06030500;国家“863”计划2012AA012503;中科院重点部署项目KGZD-EW-103-2The National Natural Science Foundation of China10925419,90920302,61072124,11074275,11161140319,91120001,61271426;The Strategic Priority Research Program of the Chinese Academy of SciencesXDA06030100,XDA06030500;The National 863 Program2012AA012503;The CAS Priority Deployment ProjectKGZD-EW-103-2

在线出版日期：2016-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：373-379