论文阅读:Memory Equipped Self-Attention for End-to-End Speech Recognition

语音识别阅读笔记-SAN-M: Memory Equipped Self-Attention for End-to-End Speech Recognition

(interspeech 2020)

下载链接:

https://arxiv.org/abs/2006.01713

主要思想:

文章分析了DFSMN和multihead-attention的优缺点,得出结论:

Multihead-attention:主要学习单一特征的上下文依赖。

DFSMN:主要是依赖于整个数据集的平均概率分布的学习数据的长时依赖。

(DFSMN的相关解释可以参考这篇博客:FSMN及其变体模型

因此将二者结合可以使模型学习的更好。

网络结构:

网络结构仍然采用transform,只是将multihead-attention的部分换成了b)图介绍了san-M的具体结构。具体结构如下图所示。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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
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