基于卷积神经网络的孤立词语音识别

摘要

为有效减少模型训练参数和训练时间,提高孤立词语音识别正确率,提出将卷积神经网络应用到语音识别中的方法.该网络中的局部感知野、权值共享与池化等特殊结构,能够在保证识别性能的前提下,极大地压缩训练模型的尺寸,深入分析卷积层卷积器个数与尺寸和池化层池化参数对识别结果的影响情况;经过动态时间规整网络,将发音单元不同长度帧的特征参数规整到同一帧数,输入到网络中进行语音识别.在自建库上的实验结果表明,相比传统的深度神经网络,卷积神经网络的语音识别正确率有12％的提升,是一种优良的语音识别模型.