排序方式： 共有1条查询结果，搜索用时 4 毫秒
1
1.
针对卷积神经网络(CNN)在语音识别中处理时序能力不足和循环神经网络(RNN)在语音识别中模型复杂度较高、训练慢的问题，提出一种新的基于准循环神经网络和连接时序主义(QRNN-CTC)的声学模型。该模型既降低了参数量，又保证了一定的时序间循环能力，利用CTC来实现输入序列和标签自动对齐，在训练时引入dropout防止过拟合。在Thchs-30数据集上的实验结果表明，QRNN-CTC比CNN-CTC相对错误率降低9.8%,最终词错误率为23.8%,训练时间为LSTM-CTC的一半。 相似文献
1