基于知识迁移与去噪的GSDNet语音识别模型训练策略研究

针对不同场景中语音识别模型体量的逐渐增大而带来的一系列问题。文章提出一种GSDNet(Gated Selfsupervised Denoising Neural Network)知识迁移的语音识别算法。对GSDNet语音识别模型的结构设计和GSDNet语音识别算法的执行流程、模型交叉训练做了详细分析。利用梯度反向传播算法,计算合并损失函数的梯度,令特征提取网络完成识别与去噪后的语音高级特征提取,实现自监督知识迁移与去噪的语音识别训练,从而更加准确识别出语音信息。