10.16652/j.issn.1004-373x.2020.17.016
基于迁移学习优化的DCNN语音识别技术
针对现有语音识别技术识别精准度低的问题,提出一种基于深度卷积神经网络算法与迁移学习相结合的语音识别技术.由于深度卷积神经网络应用范围有限,当输入输出参数发生变化时,需要重新开始构建,体系结构训练时间过长,因此,采用迁移学习方法有利于降低数据集规模.仿真实验结果表明,迁移学习不仅适用于源数据集与迁移问题的目标数据集比较,而且也适用于两种不同数据集情况,小数据集应用不仅有利于降低数据集生成时间和费用,而且有利于降低模型培训时间和对计算能力的要求.
语音识别、深度卷积神经网络、迁移学习、数据集规模、识别精度、培训时间
43
TN912.34-34;TN925
国家自然科学基金;江西省重点研发计划;江西省应用研究培育计划;江西省教育厅科学技术项目
2020-09-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
69-71,76