基于RBM的语音特征提取方法研究
Software Guide（2020）
摘要
针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机(RBM)的特征提取方法.依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度.实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20％.此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9％,对提升多目标语音识别率具有重要意义.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要