声学模型学习笔记(七) advanced deep models
来源:互联网 发布:淘宝中国软件有限公司 编辑:程序博客网 时间:2024/05/16 18:48
multitask and transfer learning
multitask learning:不同的任务网络,可以共享一部分网络结构(比如说某个隐层)
transfer learning:迁移学习
SHL-MDNN
shared-hidden-layer multilingual DNN,用于训练不同语言的模型,所有的模型共享同一个隐层,输出层跟语言有关。
共用的隐层可以认为是一个特征提取器,最后的输出层为分类器。
SHL-MDNN需要多个语言同时进行训练,一个mini-batch包括多个语言的训练语料。
试验表明多语言训练出来的SHL-MDNN相比单语言训练出来的DNN性能有提升,共享的隐层训练在一定程度上面减弱了overfitting问题。
隐层作为特征提取器,可以把它对音素的区分性迁移到其他语言上面。
- 如果需要增加一种语言,只需要增加一个输出层,还是复用前面训练好的隐层,训练是固定隐层,只需要训练最后一层的参数即可
- 如果新增语言的训练数据比较充足,整体重新训练效果更好。
- 可以由英语迁移到中文,依然有效
RNN
RNN
LSTM
参考
《automatic speech recognition a deep learning approach》 chapter 12-15
0 0
- 声学模型学习笔记(七) advanced deep models
- 声学模型学习笔记(一) HMM
- 声学模型学习笔记(二) DNN
- 声学模型学习笔记(三) DNN-HMM hybrid system
- 声学模型学习笔记(四) dnn speedup
- 声学模型学习笔记(六) representation learning
- 语音学习笔记(四)【传统声学模型】
- 声学模型学习
- 声学模型学习笔记(五) SDT(MMI/BMMI/MPE/sMBR)
- Deep Learning(深度学习)学习笔记整理系列之常用模型(四、五、六、七)
- 声学基础---学习笔记
- 七、训练自己的声学模型
- H2O学习笔记(七)——Deep Water
- H2O学习笔记(七)——Deep Water
- Struts2 学习笔记(七)模型驱动
- Django学习7:模型(models)
- 声学模型(一) hmm声学训练流程
- scikit-learn学习笔记(三)Generalized Linear Models ( 广义线性模型 )
- LightOJ 1251 - Forming the Council 2-sat输出任意一组解
- 【继承】----子父类中的构造函数,子类的实例化过程
- PHP and MySQL Web开发初接触(2)
- Struts2 的Action中取得请求参数值的几种方法
- [LeetCode]Next Permutation
- 声学模型学习笔记(七) advanced deep models
- Java NIO系列教程(二)Channel
- ubuntu搭建VPN服务器
- 对于phy芯片的认识
- 聊聊接口测试
- VxLAN
- HDU - 5927 Auxiliary Set (树形DP)
- hdu 4800 Josephina and RPG【dp】
- 《 Clean Code 》 读书笔记(一)