摘要
为了提高蒙古语语音识别性能,该文首先将时延神经网络融合前馈型序列记忆网络应用于蒙古语语音识别任务中,通过对长序列语音帧建模来充分挖掘上下文相关信息;此外研究了前馈型序列记忆网络"记忆"模块中历史信息和未来信息长度对模型的影响;最后分析了融合的网络结构中隐藏层个数及隐藏层节点数对声学模型性能的影响。实验结果表明,时延神经网络融合前馈型序列记忆网络相比深度神经网络、时延神经网络和前馈型序列记忆网络具有更好的性能,单词错误率与基线深度神经网络模型相比降低22.2%。
In order to improve Mongolian speech recognition,the Time Delay Neural Network（TDNN）and Feedforward Sequential Memory Network（FSMN）are combined to model the long sequence speech frames.In addition,we investigate the influence caused by the information from the preceding and the subsequent frames in the memory block over FSMN.We compare the performance of the TDNN-LSTM using different hidden layers and nodes.The results show that the fusion of TDNN and FSMN produces better performance than DNN,TDNN and FSMN,reducing the word error rate（WER）by 22.2% compared with the DNN baseline.
作者
王勇和
飞龙
高光来
WANG Yonghe;BAO Feilong;GAO Guanglai(College of Computer Science,Inner Mongolia University,Hohhot,Inner Mongolia 010021,China)
出处
《中文信息学报》
CSCD
北大核心
2018年第9期28-34,共7页
Journal of Chinese Information Processing
基金
国家自然科学基金(61563040
61773224)
内蒙古自然科学基金(2016ZD06)
关键词
蒙古语
语音识别
时延神经网络
前馈型序列记忆网络
Mongolian
speech recognition
Time Delay Neural Network
Feed-forward Sequential Memory Network
