采用深层神经网络中间层特征的关键词识别
在基于模板匹配的关键词识别中,提出采用深层神经网络的中间层特征(bottleneck,BN)作为特征输入,将其取代传统的声学参数来生成后验概率图.首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络,将所有的语音特征经过这个神经网络后得到稳健的BN特征;然后利用混合高斯模型将BN特征转化成后验概率图;在识别过程中,利用后验概率图作为特征参数,采用简化的分段动态时间规整算法实现关键词匹配.在TIMIT数据库上,相对于采用传统感知线性参数的系统,采用BN特征的系统,识别准确率有30%的提升.
关键词识别、分段动态时间规整、深层神经网络、中间层
36
TP391(计算技术、计算机技术)
安徽省自然科学基金项目1408085MNL78
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
1540-1544