【計算機科學】【2012.12】訓練深度神經網絡進行瓶頸特徵提取

本文爲德國卡爾斯魯厄理工學院(作者:Jonas Gehring)的碩士論文,共52頁。 在自動語音識別系統中,對音頻信號進行預處理生成特徵是實現良好識別率的重要組成部分。現有的研究表明,人工神經網絡可以用來提取出比人工設計的特徵提取算法具有更好識別性能的特徵。一種可能的方法是訓練一個具有小瓶頸層的網絡,然後使用該層中單元的激活爲系統其餘部分生成特徵向量。 深度學習是機器學習的一個領域,它是一種能夠
相關文章
相關標籤/搜索