论文研究 基于并行回火改进的GRBM的语音识别.pdf

为提高连续语音识别中的识别准确率，采用高斯伯努利受限玻尔兹曼机进行语音训练和识别。通过结合并行回火算法的思想，采样、交换不同的温度链下的重构数据，实现在全局范围内对整个分布进行采样，提出一种基于并行回火改进的高斯伯努利受限玻尔兹曼机（GRBM-PT）的建模方法。该方法通过对语音信号的连续数据进行预训练分析、建模，最后使用支持向量机作为语音识别的分类器。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明，语音识别率能够达到83.14%，基于GRBM-PT模型下的语音识别率明显优于RBM，RBM-PT以及GRBM模型的性能。