基于卷积神经网络的声学模型效率优化与实现
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16311/j.audioe.2018.11.011

基于卷积神经网络的声学模型效率优化与实现

引用
针对卷积神经网络(CNN)声学模型处理大量浮点语音特征数据时效率低下的问题,本文给出并实现一种8 bit定点优化方法.该方法在不影响语音识别正确率的前提下,将90%以上的待处理浮点数据转换为定点数据参与卷积运算,大大缩短了声学模型的响应时间,在部署CNN声学模型的语音识别系统中,使用该定点方法处理浮点测试集时,转换后的8 bit定点化测试集的子句响应时间仅为处理前浮点测试集的一半.使用优化后CNN声学模型的语音识别系统将更适应市场需求.

卷积神经网络、声学模型、效率优化、定点化

42

TN912

2019-04-04(万方平台首次上网日期,不代表论文的发表时间)

共5页

39-43

相关文献
评论
暂无封面信息
查看本期封面目录

电声技术

1002-8684

11-2122/TN

42

2018,42(11)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn