基于深度神经网络的阶乘语音处理模型中的特征联合状态后验估计
声音
2017-07-11 v1
摘要
本文提出一种使用深度神经网络计算混合音频特征的联合状态后验的新方法，用于阶乘语音处理模型。阶乘模型需要联合状态后验信息以执行联合解码。本工作的新颖之处在于其架构，该架构使网络能够从立体声特征的状态后验对推断联合状态后验。本文定义了一个目标函数来求解欠定方程组，网络利用该方程组提取联合状态后验。它推导了以统一方式微调网络所需的表达式。实验将所提出网络的解码结果与向量泰勒级数方法进行比较，并在单耳语音分离与识别挑战中显示出2.3%的绝对性能提升。考虑到深度神经网络提供的联合状态后验提取的简便性，这一成就是显著的。
引用
@article{arxiv.1707.02661,
title = {Feature Joint-State Posterior Estimation in Factorial Speech Processing Models using Deep Neural Networks},
author = {Mahdi Khademian and Mohammad Mehdi Homayounpour},
journal= {arXiv preprint arXiv:1707.02661},
year = {2017}
}