用于语音识别的密集连接卷积网络
计算与语言
2018-08-13 v1
摘要
本文介绍了我们近期关于将密集连接卷积网络（DenseNets）用于自动语音识别中声学建模（AM）的研究。DenseNets 是非常深且紧凑的卷积神经网络，已在计算机视觉多个数据集上展现出相对于最优结果的惊人提升。我们的实验结果表明，DenseNet 可用于声学建模，并显著优于 DNNs、CNNs、VGGs 等其他基于神经网络的模型。此外，在 Wall Street Journal 上的结果显示，仅使用一半训练数据的 DenseNet 能够以较大优势优于使用全数据集训练的其他模型。
引用
@article{arxiv.1808.03570,
title = {Densely Connected Convolutional Networks for Speech Recognition},
author = {Chia Yu Li and Ngoc Thang Vu},
journal= {arXiv preprint arXiv:1808.03570},
year = {2018}
}
备注
5 pages, 3 figures, the 13th ITG conference on Speech Communication