基于浅层 CNN-HTSVM 架构的声学建模
声音
2017-06-29 v1 计算与语言
摘要
当缺乏大型数据集时，高准确率语音识别尤其具有挑战性。通过细致的、知识驱动的解析，结合受生物学启发的 CNN 以及 Vapnik Chervonenkis (VC) 理论的学习保证，有可能弥补这一差距。本工作提出一种浅层 CNN-HTSVM（层次树支持向量机分类器）架构，其使用预定义的基于知识的规则集与统计机器学习技术。我们在此表明，即便在最先进系统中存在的严重错误也可以避免，并且可以以层次化方式构建准确的声学模型。CNN-HTSVM 声学模型优于传统的 GMM-HMM 模型，且 HTSVM 结构优于 MLP 多类分类器。更重要的是，我们隔离了声学模型的性能，并在帧和音素级别上给出了考虑模型真实鲁棒性的结果。我们表明，即使使用少量数据，也能获得准确且鲁棒的识别率。
引用
@article{arxiv.1706.09055,
title = {Acoustic Modeling Using a Shallow CNN-HTSVM Architecture},
author = {Christopher Dane Shulby and Martha Dais Ferreira and Rodrigo F. de Mello and Sandra Maria Aluisio},
journal= {arXiv preprint arXiv:1706.09055},
year = {2017}
}
备注
Pre-review version of Bracis 2017