基于DNN与RNN声学模型融和的语音识别研究

摘要

采用上下文依赖的神经网络隐马尔科夫模型(CD-NN-HMM)的语音识别系统在商业领域已经成为主流,其性能已经被验证大幅度超过传统的高斯混合模型(GMM).其中深度神经网络(DNN)与递归神经网络(RNN)是CD-NN-HMM架构中两种最具代表性的模型.本文研究了将DNN与RNN分别在拓扑结构与声学得分层面进行融合的新型语音识别方法.实验结果表明DNN与RNN声学模型融合的方法可以有效的提高语音识别精度.