典型文献
基于改进的CNN语音识别研究
文献摘要：
针对卷积神经网络进行语音识别时识别率较低的问题,结合序列的最大子序列理论,把真实数据和预测数据看作两个序列并计算两者的最大子序列,再使用欧氏距离计算MSLoss损失函数.使用闵氏距离和神经网络反向更新时的参数,提出自适应卷积核ACKS算法,根据网络传播情况动态地改变卷积核大小,改善模型在不同阶段对数据特性的提取效果.设计改进后的网络结构,把改进的网络与循环神经网络和长短时记忆神经网络进行识别率和计算时间的比较,实验结果表明,改进后的模型可以减少2％的运行时间并降低3％的误识别率.
文献关键词：
卷积神经网络;语音识别;最大损失函数;自适应卷积核
中图分类号：
作者姓名：
徐龙飞;张磊;郁进明
作者机构：
东华大学信息科学与技术学院 上海 201620
文献出处：
引用格式：
[1]徐龙飞;张磊;郁进明-.基于改进的CNN语音识别研究)[J].计算机应用与软件,2022(01):119-125
A类：
MSLoss,自适应卷积核,ACKS,最大损失函数
B类：
语音识别,识别率,大子,子序列,真实数据,预测数据,欧氏距离,距离计算,网络传播,提取效果,设计改进,循环神经网络,长短时记忆神经网络,计算时间,运行时间,误识
AB值：
0.237554
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
