作者：李云红; 王成; 王延年大词汇量语音识别深度置信神经网络双向长短时记忆模型
摘要：深度置信神经网络(DBNN)模型和双向长短时记忆神经网络模型(BLSTM)在单独进行特征提取时识别率不理想,长短时记忆单元(LSTM)与BLSTM模型可以更好解析语音数据特征.因此将DBNN模型和BLSTM模型相结合,提出一种大词汇量连续语音识别(LVCSR)的声学模型建立方法,并在Keras深度学习框架下进行实验.实验结果表明,使用改进的DBNNBLSTM模型进行大词汇量连续语音识别,识别精度有所提高,比BLSTM模型的语音识别率提高5%.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《纺织高校基础科学学报》（CN：61-1296/TS）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《纺织高校基础科学学报》以繁荣科学文化，促进学术交流，发现、培养人才，推动现代化建设为办刊宗旨。
杂志详情
