论文部分内容阅读
将卷积神经网络（convolutional neural networks，CNN）声学模型应用于中文大词表连续电话语音识别任务中，分析了卷积层数、滤波器参数等变量对CNN模型性能的影响，最终在中文电话语音识别测试中，CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2%的下降。由于卷积结构的复杂性，常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低。针对这种情况，对卷积结构进行了优化，提出了2种卷积矢量化方法：权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善。结果表