Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1802.08314

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:1802.08314 (cs)
[提交于 2018年2月22日 ]

标题: 高阶循环神经网络用于声学建模

标题: High Order Recurrent Neural Networks for Acoustic Modelling

Authors:Chao Zhang, Philip Woodland
摘要: 消失的长期梯度是训练标准循环神经网络(RNNs)中的主要问题,这可以通过具有记忆单元的长短期记忆(LSTM)模型得到缓解。 然而,与记忆单元相关的额外参数意味着一个LSTM层的参数数量是具有相同隐藏向量大小的RNN的四倍。 本文使用具有来自多个先前时间步骤的附加连接的高阶RNN(HORNN)来解决消失梯度问题。 使用英国英语多流派广播(MGB3)数据进行的语音识别实验表明,针对修正线性单元和sigmoid激活函数提出的HORNN架构在对应RNN上将词错误率(WER)分别降低了4.2%和6.3%,并且在仅使用20%-50%的循环层参数和计算量的情况下,达到了与(投影)LSTM相似的WER。
摘要: Vanishing long-term gradients are a major issue in training standard recurrent neural networks (RNNs), which can be alleviated by long short-term memory (LSTM) models with memory cells. However, the extra parameters associated with the memory cells mean an LSTM layer has four times as many parameters as an RNN with the same hidden vector size. This paper addresses the vanishing gradient problem using a high order RNN (HORNN) which has additional connections from multiple previous time steps. Speech recognition experiments using British English multi-genre broadcast (MGB3) data showed that the proposed HORNN architectures for rectified linear unit and sigmoid activation functions reduced word error rates (WER) by 4.2% and 6.3% over the corresponding RNNs, and gave similar WERs to a (projected) LSTM while using only 20%--50% of the recurrent layer parameters and computation.
评论: 5页,2图,2表,将发表于2018年IEEE国际声学、语音与信号处理会议(ICASSP 2018)
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 音频与语音处理 (eess.AS); 机器学习 (stat.ML)
引用方式: arXiv:1802.08314 [cs.CL]
  (或者 arXiv:1802.08314v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.1802.08314
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Chao Zhang [查看电子邮件]
[v1] 星期四, 2018 年 2 月 22 日 22:01:05 UTC (39 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-02
切换浏览方式为:
cs
cs.AI
eess
eess.AS
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号