%0 Journal Article
%T 深度神经网络自适应中基于身份认证向量的归一化方法<br>Investigation of normalization methods in speaker adaptation of deep neural network using i-vector
%A 杨建斌
%A 张卫强
%A 刘加
%J 中国科学院大学学报
%D 2017
%R 10.7523/j.issn.2095-6134.2017.05.014
%X 摘要 深度神经网络是近年来非常流行的一种语音识别声学建模技术，其性能比之前主流的高斯混合模型有显著提高，但是深度神经网络的说话人自适应技术一直没有很好地解决。利用身份认证向量对深度神经网络进行自适应，并研究身份认证向量归一化对系统的影响，提出一种新的max-min线性归一化技术。实验表明在TIMIT数据集上该技术可使字错误率比传统方法相对下降5.10%。<br>
%K 身份认证向量
%K 深度神经网络
%K 说话人自适应
%K 归一化&lt
%K br&gt
%K identity vector
%K deep neural network
%K speaker adaptation
%K normalization
%U http://journal.ucas.ac.cn/CN/abstract/abstract12505.shtml