采用最少门单元结构的改进注意力声学模型
来源：信号处理杂志 2018年第6期北京时间：
作者：龙星延, 屈丹, 张文林, 徐思颖
摘要：采用“编码-解码”结构的注意力声学模型存在参数规模庞大、收敛速度慢和在噪声环境中对齐关系不准确的问题。针对以上问题，先提出引入最少门结构单元减少模型参数，减少训练时间；再采用自适应宽度的窗函数和在计算注意力系数特征的卷积神经网络中加入池化层进一步提高音素与特征对齐的准确度，从而提升识别准确率。在英语和捷克语的实验结果表明，改进后的模型参数规模和音素错误率均下降，同时识别性能优于基于隐马可夫模型和基于连接时序分类算法的声学模型。
关键词：声学模型, 注意力机制, 最少门单元, 自适应窗函数, 池化层
