首页|基于改进的CNN语音识别研究

基于改进的CNN语音识别研究

RESEARCH OF SPEECH RECOGNITION BASED ON IMPROVED CNN

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对卷积神经网络进行语音识别时识别率较低的问题,结合序列的最大子序列理论,把真实数据和预测数据看作两个序列并计算两者的最大子序列,再使用欧氏距离计算MSLoss损失函数.使用闵氏距离和神经网络反向更新时的参数,提出自适应卷积核ACKS算法,根据网络传播情况动态地改变卷积核大小,改善模型在不同阶段对数据特性的提取效果.设计改进后的网络结构,把改进的网络与循环神经网络和长短时记忆神经网络进行识别率和计算时间的比较,实验结果表明,改进后的模型可以减少2％的运行时间并降低3％的误识别率.

徐龙飞、张磊、郁进明

展开 >

东华大学信息科学与技术学院 上海 201620

卷积神经网络 语音识别 最大损失函数 自适应卷积核

国家自然科学青年基金

61901104

2022

10.3969/j.issn.1000-386x.2022.01.018

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(1)
  • 3
  • 2