返回主题:深度表示与任务网络

知识卡片

普通读书笔记卡 · 3794.a.2

声学网络组合不同归纳偏置

理解等级:中级

声学建模可把 CNN 的局部时频特征、递归网络的时间依赖和前馈网络的表示映射组合。语音时频图适合局部卷积,但卷积的平移等变性不等于任意时频变化都无影响。多结构组合是否获益须按识别质量、延迟和计算成本比较,不能把互补性当作必然优于单模型的证明。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《智能算法导论》第 198 项《20.4.1 基于深度学习算法的声学模型》(源文件:`_epub-src/EPUB/xhtml/chapter20_0009.xhtml`) - 结论依据:正文以时频图引入卷积并比较 CNN、DNN、LSTM 的侧重;平移不变性和组合更优的结论补明条件。 - 原始内容:CNN、DNN和LSTM在建模能力上具有互补性:DNN适合将特征映射到更加可分离的空间,LSTM则擅长于时间建模,而CNN擅长减少语音信号的多样性。