文献类型：期刊文章

作　　者：王欣欣[1] 马发民[2]

WANG Xin-xin;MA Fa-min(School of Humanities,Shangluo University,Shangluo 726000,Shaanxi Province,China;School of Mathematics and Computer Science,Shangluo University,Shangluo 726000,Shaanxi Province,China)

机构地区：[1]商洛学院人文学院英语系,陕西商洛726000 [2]商洛学院数学与计算机学院网络工程系,陕西商洛726000

出　　处：《信息技术》

基　　金：陕西省教育教改项目(SGH18H400)。

年　　份：2020

卷　　号：44

期　　号：9

起止页码：46-50

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：由于目前基于深层神经网络隐马尔可夫模型(CD-DNN-HMMs)自动口语评分系统对少儿口语的兼容性不是很高,存在一定程度的误差,因此提出了DNN的语音识别系统,其主要组成是线性整流函数。实验结果表明,与高斯混合模型(GMM-HMMs)相比,即使该模型训练了8倍以上的数据,但其识别精度也远低于基于DNN的识别方法,而且DNN方法的相对功耗降低了31%。这进一步提高了提取特征的质量和最终的英语口语水平分数,并将整体的自动评价性能提高到了人工的绩效水平,并且在儿童英语语音中常见的嘈杂和/或不清楚反应的情况有了很大的改善。

关 键 词：语音识别  DNN 线性整流函数  儿童英语

分 类 号：TN912.34]