利用高斯受限玻尔兹曼机进行特征学习以实现鲁棒语音识别
计算与语言
2013-09-25 v1 机器学习
声音
摘要
在本文中，我们首先提出了一种名为多元高斯受限玻尔兹曼机（MGRBM）的高斯受限玻尔兹曼机（GRBM）新变体，并给出了其定义和学习算法。随后，我们提出利用学习到的 GRBM 或 MGRBM 提取更优特征，以实现鲁棒语音识别。我们在 Aurora2 上的实验表明，无论是配合 HMM-GMM 还是混合 HMM-深度神经网络（DNN）声学模型，GRBM 提取的特征和 MGRBM 提取的特征表现均远优于梅尔频率倒谱系数（MFCC），且 MGRBM 提取的特征略胜一筹。
引用
@article{arxiv.1309.6176,
title = {Feature Learning with Gaussian Restricted Boltzmann Machine for Robust Speech Recognition},
author = {Xin Zheng and Zhiyong Wu and Helen Meng and Weifeng Li and Lianhong Cai},
journal= {arXiv preprint arXiv:1309.6176},
year = {2013}
}
备注
4 pages, 2 figures