基于 BLSTM-CTC 的 TIMIT 音素识别
计算与语言
2008-04-22 v1 神经与进化计算
摘要
我们将循环神经网络的性能与目前在 TIMIT 数据库音素识别任务上发表的最佳结果进行了比较。这些已发表的结果是通过分类器组合获得的。然而，在本文中，我们将单个循环神经网络应用于同一任务。我们的循环神经网络达到了 24.6% 的错误率。该结果与其他最佳方法获得的结果没有显著差异，但这些方法依赖于分类器组合才能实现可比性能。
引用
@article{arxiv.0804.3269,
title = {Phoneme recognition in TIMIT with BLSTM-CTC},
author = {Santiago Fernández and Alex Graves and Juergen Schmidhuber},
journal= {arXiv preprint arXiv:0804.3269},
year = {2008}
}
备注
8 pages