采用DBN的TV改进方法在语种识别中的应用.pdfVIP

下载本文档

16
0
约2.41万字
约 7页
2017-07-08 发布于北京
举报
版权申诉

采用DBN的TV改进方法在语种识别中的应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

采用DBN的TV改进方法在语种识别中的应用.pdf

第31卷第9期信号处理 V01．31No．9 2015年9月 OF JOURNALSIGNALPROCESSING Sep．2015 采用DBN的TV改进方法在语种识别中的应用洪新海宋彦蒋兵戴礼荣 (中国科学技术大学语音及语言信息处理国家工程实验室，安徽合肥230027) Neural 摘要：近年来基于深度神经网络(Deep Network，DNN)的全差异空间建模方法(T0talVariability，TV)在语种识别领域得到了广泛研究。本文提出了一种基于DNN的改进TV方法，既利用了DNN对数据的音素状态对 Net． Bottleneck 齐效果，又充分考虑了语种任务的相关性。该方法首先利用带有瓶颈层的深层神经网络(Deep Mod— work，DBN)对语种数据特征按照音素状态进行聚类，得到语种任务相关通用背景模型(Universal Background Bottleneck el，UBM)，然后利用该UBM模型并结合深度瓶颈特征(DeepFeature，DBF)进行TV建模。实验表明，与经典的7rv方法相比，该方法能够显著的提升系统性能和效率，并且融合后性能得到了进一步提升。关键词：语种识别；深度神经网络；因子分析中图分类号：TN912．34文献标识码：A 文章编号：1003—0530(2015)09—1152—07 Total Method Bottleneck Improved Modeling Deep Variability using Networkfor Identification Language HONGXin—-haiSONGYan DAI JIANG Bing Li--rong of and Information (National LaboratorySpeech Engineering Language Processing， EEISof ofScienceand of University TechnologyChina，Hefei，Anhui230027，China) total neural mixture Abstract：Recentlyvariability(TV)usingdeep network(DNN)foroccup