声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：秦晨光,王海,任杰,郑杰,袁璐,赵子鑫,
关键词：方言语种识别, 方言区域识别, 多任务学习, 辅助任务, 神经网络,
近年来深度学习尤其是神经网络的发展，对语音识别这类复杂的模式分类问题提供了新的解决思路.为加强对我国方言语种的保护工作、提高方言语种识别的准确率以及丰富语音识别的前处理模块，首先采用目前语音识别领域应用最广泛的LSTM模型搭建单任务方言语种识别模型SLNet作为基线系统.其次，针对中国方言的多样性、复杂性特点，基于多任务学习的参数共享机制，通过多任务神经网络模型发现不同语种间的隐含相关特性，提出基于多语种任务的方言语种识别模型MTLNet.进一步根据中国方言的区域特点，采用基于参数硬共享的多任务学习模式，构建基于辅助任务的多任务学习神经网络ATLNet.经实验验证表明：相比于单任务神经网络方言语种识别，MTLNet和ATLNet将识别准确率可提升至80.2%，弥补了单任务模型的单一性和弱泛化性.
来源：2019年第12期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。