基于神经常微分方程结合时序卷积与时延神经网络的轻量级关键词 spotting
音频与语音处理
2020-09-08 v2 机器学习
声音
摘要
在本文中，我们提出基于神经常微分方程（NODE）的神经网络模型用于轻量级关键词 spotting（KWS）。我们提出了将NODE应用于KWS的技术，使得对基于NODE的网络采用批归一化成为可能，并减少了推理过程中的计算量。最后，我们表明所提模型的参数量比传统KWS模型小68%。
引用
@article{arxiv.2008.00209,
title = {Neural ODE with Temporal Convolution and Time Delay Neural Networks for Small-Footprint Keyword Spotting},
author = {Hiroshi Fuketa and Yukinori Morita},
journal= {arXiv preprint arXiv:2008.00209},
year = {2020}
}
备注
5 pages, 5 figures