基于递归神经网络的语音识别快速解码算法

摘要：

递归神经网络(Recurrent Neural Network,RNN)如今已经广泛用于自动语音识别(Automatic Speech Recognition,ASR)的声学建模.虽然其较传统的声学建模方法有很大优势,但相对较高的计算复杂度限制了这种神经网络的应用,特别是在实时应用场景中.由于递归神经网络采用的输入特征通常有较长的上下文,因此利用重叠信息来同时降低声学后验和令牌传递的时间复杂度成为可能.该文介绍了一种新的解码器结构,通过有规律抛弃存在重叠的帧来获得解码过程中的计算开销降低.特别地,这种方法可以直接用于原始的递归神经网络模型,只需对隐马尔可夫模型(Hidden Markov Model,HMM)结构做小的变动,这使得这种方法具有很高的灵活性.该文以时延神经网络为例验证了所提出的方法,证明该方法能够在精度损失相对较小的情况下取得2~4倍的加速比.

关键词：语音识别、递归神经网络、解码器、跳帧计算

所属期刊栏目：39

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金U1536117, 11590770-4;国家重点研发计划重点专项2016YFB0801200, 2016YFB0801203;新疆维吾尔自治区科技重大专项2016A03007-1The National Natural Science Foundation of ChinaU1536117, 11590770-4;The National Key Research and Development Plan of China2016YFB0801200, 2016YFB0801203;The Key Science and Technology Project of the Xinjiang Uygur Autonomous Region2016A03007-1

在线出版日期：2017-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：930-937