基于DBN的语音识别技术分析

1、传统GMM-HMM语音识别系统简介


2、DBN用于Phone 识别


3、DBN-HMM依赖型语音识别系统分析


参考文献;

Dahl, G., Ranzato, M., Mohamed, A., and Hinton, G. ―Phone recognition with the mean-covariance restricted Boltzmann machine‖ Advances in Neural Information Processing Systems, vol. 24, 2010.

Dahl, G., Yu, D., and Deng, L. ―Context-dependent DBN-HMMs for large vocabulary continuous speech recognition,‖ IEEE Trans. Audio, Speech, & Language Proc.

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
DBN(深度置信网络)是一种由多层概率隐含层组成的神经网络,可以用于语音识别任务。DBN语音识别过程可以分为以下几个步骤。 首先,需要收集大量的带有文本标签的语音数据集,这些数据集包括语音文件和对应的文本标签,用于训练模型。 第二步是特征提取,将语音信号转化为可供DBN处理的特征表示。一种常用的方法是使用梅尔频率倒谱系数(MFCC)进行特征提取,这可以通过对语音信号进行预处理(如分帧、应用窗函数、进行快速傅里叶变换等)得到。 接下来,使用已标记的训练数据集对DBN进行监督训练。训练过程中,DBN逐层地进行预训练和微调。在预训练阶段,每一层的隐含层负责学习数据的高级特征表示,逐层地生成输入的近似分布。预训练通常使用无监督学习算法,如受限玻尔兹曼机(RBM),来逐层地训练隐含层。接着,在微调阶段,使用监督学习算法,如反向传播算法,对整个网络进行训练。 训练完成后,可以使用训练好的DBN对新的未标记语音数据进行语音识别。通过将待识别的语音数据转换为MFCC特征表示,然后将其作为输入传递给DBN模型,模型会基于训练过程中学到的特征表示和标签信息,输出对应的文本标签。 总结来说,DBN语音识别流程包括数据收集、特征提取、DBN模型构建、监督训练和推理阶段。通过对训练数据进行监督训练,DBN可以学习到语音数据的特征表示,从而实现语音识别的任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

bluebelfast

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值