用于低资源语言语音识别的预测-自适应-校正循环神经网络
计算与语言
2018-12-06 v1 机器学习
神经与进化计算
音频与语音处理
摘要
本文中，我们研究了预测-自适应-校正循环神经网络(PAC-RNNs)在低资源语音识别中的应用。PAC-RNN由一对神经网络组成，其中一个校正网络利用预测网络给出的辅助信息来帮助估计状态概率。校正网络的信息也在循环回路中被预测网络所使用。我们的模型在IARPA-Babel任务上优于其他最先进的神经网络(DNNs, LSTMs)。此外，从与目标语言相似的语言进行迁移学习可进一步提升性能。
引用
@article{arxiv.1510.08985,
title = {Prediction-Adaptation-Correction Recurrent Neural Networks for Low-Resource Language Speech Recognition},
author = {Yu Zhang and Ekapol Chuangsuwanich and James Glass and Dong Yu},
journal= {arXiv preprint arXiv:1510.08985},
year = {2018}
}