基于改进对比散度的GRBM语音识别

摘要：

对比散度作为训练受限波尔兹曼机模型的主流技术之一，在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的思想，提出一种改进对比散度的训练算法，包括模型参数的更新和样本数据的采样，并将改进后的训练算法应用于高斯伯努利受限玻尔兹曼机( GRBM)中训练语音识别模型参数。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明，采用改进的对比散度训练的GRBM明显优于传统的模型训练算法，语音识别率能够达到80%左右，最高提升7%左右，而且应用改进算法训练的其他GRBM对比模型的语音识别率也都有所提高，具有较好的识别性能。

关键词：对比散度、高斯伯努利受限玻尔兹曼机、受限玻尔兹曼机、指数平均数指标、并行回火、语音识别、深度神经网络

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2015-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：213-218