基于CMN网络的低资源柯尔克孜语识别研究

摘要：

少数民族语言进行语音识别时存在训练数据稀疏导致识别率低的问题.该文在对低资源的柯尔克孜语识别时,提出一种CMN网络构建跨语种声学模型.CMN网络模型利用CNN的局部采样和权值共享技术减少网络参数,并采用maxout神经元替换CNN的卷积核提高网络抽象特征提取能力.跨语种的CMN首先用资源相对丰富的维吾尔语进行预训练,为防止过拟合使用dropout正则化训练方法,并根据两种语言的相似性创建基于同义词强制对齐的音素映射集,然后标注待识别的柯尔克孜语数据,最后用有限的目标语语料对CMN网络参数进行微调.实验结果表明,所提CMN声学模型较基线CNN声学模型字错误率(WER)有8.3％的降低.

关键词：语音识别、低资源、柯尔克孜语、跨语种声学模型、CMN、音素映射

所属期刊栏目：41

分类号：TN711-34;TP391(基本电子电路)

资助基金：国家重点基础研究发展计划"973"计划2014CB340506;国家自然科学基金项目61433012;国家自然科学基金项目61363063;新疆维吾尔自治区重点实验室项目2015KL013

在线出版日期：2019-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：132-136,140