卷积神经网络声学模型的结构优化和加速计算

摘要：

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.

关键词：语音识别、声学模型、卷积神经网络、矢量化

所属期刊栏目：30

分类号：TP18;TN912.34(自动化基础理论)

资助基金：国家自然科学基金11461141004,61271426,11504406,11590770,11590771,11590772,11590773,11590774;中国科学院战略性先导科技专项面向感知中国的新一代信息技术研究XDA06030100,XDA06030500,XDA06040603;国家"863"计划2015AA016306;国家"973"计划 2013CB329302 The National Natural Science Foundation of China11461141004, 61271426, 11504406, 11590770, 11590771, 11590772,11590773,11590774;The Strategic Priority Research Program of the Chinese Academy of SciencesXDA06030100, XDA06030500,XDA06040603;The National "863" Program2015AA016306;The National "973" Program2013CB329302

在线出版日期：2018-07-11（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：416-422