《表2 两卷积层CNN与DNN识别字错误率对比Tab.2 Word error rate comparisons between DNN and CNN with two convolution la
在单卷积层实验中,最优的CNN结构相比于DNN在识别字错误率上得到平均绝对0.5%的下降,性能提升有限。根据CNN在图像处理中应用的经验,适当增加卷积层数可以提高其性能,因此接下来采用2个卷积层和3个全连接层的CNN结构进行实验,表2给出了实验对比结果。为保持各模型间参数量的一致,CNN参数配置为第1层采用128个卷积滤波器,窗为7×7,采样窗为3×3;第2层采用256个卷积滤波器,窗为4×4,采样窗为2×2;全连接层仍为每层2 048个节点。结果表明,2个卷积层的CNN得到了最优的识别结果,在2个测试集上相对于基线DNN在识别字错误率上性能稳定的提高了绝对1.2%,表明CNN在中文大数据量下的建模性能要优于DNN。
图表编号 | XD006297600 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 王智超、徐及、张鹏远、颜永红 |
绘制单位 | 中国科学院语言声学与内容理解重点实验室、中国科学院语言声学与内容理解重点实验室、中国科学院语言声学与内容理解重点实验室、中国科学院语言声学与内容理解重点实验室、中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室 |
更多格式 | 高清、无水印(增值服务) |