A Bayesian Approach to Deep Neural Network Adaptation with Applications to Robust Automatic Speech Recognition
基于贝叶斯的深度神经网络自适应及其在鲁棒自动语音识别中的应用
直接贝叶斯DNN自适应
使用高斯先验对DNN进行MAP自适应
为何贝叶斯在模型自适应中很有用？
- 因为自适应问题可以视为后验估计问题：
- 能够克服灾难性遗忘问题
在实现通用智能时，神经网络需要学习并记住多个任务，任务顺序无标注，任务会不可预期地切换，同种任务可能在很长一段时间内不会复现。当对当前任务B进行学习时，对先前任务A的知识会突然地丢失，这种现象被称为灾难性遗忘（catastrophic forgetting）。
DNN的MAP自适应：理论背景
基于GMM系统的MAP自适应
GMM作为生成性pdf：符合直觉
共轭先验（Conjugate Prior）
在贝叶斯统计中，如果后验分布与先验分布属于同类，则先验分布与后验分布被称为共轭分布，而先验分布被称为似然函数的共轭先验。
具体地说，就是给定贝叶斯公式
基于DNN的MAP自适应
但是DNN是鉴别性模型，它没有生成性后验概率的概率密度函数。
使得DNN近似为概率密度函数
- 将DNN看作是一个概率密度函数
将DNN的目标函数以概率（似然）形式表示：
- 估计后验概率
其中似然L可以是交叉熵、最小互信息、最小音素错误、最小分类错误等。
先验估计：经验贝叶斯
对训练说话人进行自适应，并分析说话人直接的参数分布。
Prior Estimation Cont'd（先验估计，接上页）
con'd, Abbreviation of continued, 接上页
假设先验分布为多元高斯
等式右边，只用矢量w完成了对矩阵W的表示（向量化）。
假设先验分布为矩阵高斯
多元高斯与矩阵高斯的结果类似，不过多元高斯先验使用了向量化，更易于处理、更易于简化至到L2正则项。
高斯先验：易于简化至到L2正则项
- 多元高斯先验的展开式：
- L2正则化训练
DNN自适应中的灾难性遗忘
自适应后，DNN对自适应数据中见过的类有偏差；
丧失对未观察到样本的识别能力
贝叶斯用于解决灾难性遗忘问题
控制参数数量（LHN）
只对插入到线性隐层的仿射变换权重进行适应：冻结其他参数
通常使用一个瓶颈层以控制LHN的大小，进一步较少参数数量。
MAP：只更新激活函数参数
适应隐层中Sigmoid激活函数（AF）参数
此方法更新的参数比LHN更少。
实验（SWBD）
- 保持权重不变，只更新AF参数，WER降低4.6%（15.1->14.4）
在此基础之上，以最大后验概率准则更新AF参数，WER进一步降低2.8%（14.4->14.0）
- 进行特征空间最大似然线性回归（fMLLR），WER降低7.9%（15.1->13.9）
在此基础之上，以最大后验概率准则更新AF参数，WER进一步降低5.0%（13.9->13.2）
间接贝叶斯DNN自适应
对从DNN获得瓶颈特征进行MAP/SMAP
- 对DNN的直接自适应是可行的，但是还是比不上对GMM的贝叶斯自适应。
- 如何更好地利用成熟的贝叶斯自适应方法
- 将DNN转换为GMM
基于DNN瓶颈特征处理后的特征进行MAP/SMAP
瓶颈特征是鉴别性数据驱动方式训练的；
通过拼接以使用DNN的优点；
要获得瓶颈特征：
- 训练一个带有瓶颈层的DNN；
- 训练一个不带有瓶颈层的DNN，然后进行奇异值分解（SVD）以得到瓶颈；
- 不使用瓶颈层，只进行PCA/LDA降维；
MAP/SMAP自适应
MAP
是有效的模型自适应方法，对小数据集鲁棒；
数据量很大时，将蜕化至（相当于）最大似然估计（MLE）；
会由于缺少数据，不能更新未见的三音素；
SMAP（Structured MAP）
针对少数据量的结构化MAP自适应
MAP/SMAP实验
瓶颈特征的GMM-HMM略微差与原DNN-HMM（基线）结果（WER提高0.2%，8.84->8.86）
对瓶颈特征进行MAP的GMM-HMM WER降低5.2%（8.84->8.38）
对瓶颈特征进行SMAP的GMM-HMM WER降低11.1%（8.84->7.85）
与MAP-LHN、LHN相比，SMAP最优。
总结
直接DNN自适应：
- 使用高斯先验进行有监督/无监督的自适应
- 多任务学习（MTL）自适应以解决数据稀疏问题
自适应时，需要对DNN构建一个框架。使用已提出的框架，可以将DNN应用到不同种类型的模型与不同的任务中。
通过瓶颈特征，将DNN"转换"为生成性模型
- 使用瓶颈特征将DNN-HMM转换为GMM-HMM
为DNN提供了使用传统统计学机器学习方法（包括贝叶斯方法）
A Bayesian Approach to Deep Neural Network Adaptation with Applications to Robust Automatic Speech Recognition的更多相关文章
- 论文阅读笔记六十四: Architectures for deep neural network based acoustic models defined over windowed speech waveforms(INTERSPEECH 2015)
论文原址:https://pdfs.semanticscholar.org/eeb7/c037e6685923c76cafc0a14c5e4b00bcf475.pdf 摘要 本文研究了利用深度神经网络 ...
- Deep Learning: Assuming a deep neural network is properly regulated, can adding more layers actually make the performance degrade?
Deep Learning: Assuming a deep neural network is properly regulated, can adding more layers actually ...
- 论文翻译：2022_PACDNN: A phase-aware composite deep neural network for speech enhancement
论文地址:PACDNN:一种用于语音增强的相位感知复合深度神经网络 引用格式:Hasannezhad M,Yu H,Zhu W P,et al. PACDNN: A phase-aware compo ...
- XiangBai——【AAAI2017】TextBoxes_A Fast Text Detector with a Single Deep Neural Network
XiangBai--[AAAI2017]TextBoxes:A Fast Text Detector with a Single Deep Neural Network 目录 作者和相关链接 方法概括 ...
- What are the advantages of ReLU over sigmoid function in deep neural network?
The state of the art of non-linearity is to use ReLU instead of sigmoid function in deep neural netw ...
- 论文笔记之：Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation
Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation xx
- 用matlab训练数字分类的深度神经网络Training a Deep Neural Network for Digit Classification
This example shows how to use Neural Network Toolbox™ to train a deep neural network to classify ima ...
- 深度神经网络如何看待你，论自拍What a Deep Neural Network thinks about your #selfie
Convolutional Neural Networks are great: they recognize things, places and people in your personal p ...
- 【论文笔记】Malware Detection with Deep Neural Network Using Process Behavior
[论文笔记]Malware Detection with Deep Neural Network Using Process Behavior 论文基本信息 会议: IEEE(2016 IEEE 40 ...
随机推荐
- 上pixiv解决法（保存）
C:\Windows\System32\drivers\etc\hosts 127.0.0.1 localhost 127.0.0.1 advstat.xunlei.com 127.0.0.1 cl. ...
- 再谈 javascript 数组去重
前言 数组去重方法老生常谈,既然是常谈,我也来谈谈 双层循环 也许我们首先想到的是使用 indexOf 来循环判断一遍,但在这个方法之前,让我们先看看最原始的方法: var array = [1,1, ...
- pyinstall实现不显示控制窗口
做图形界面的时候,总会弹出一个cmd的黑框框,为了美观,通常希望将其隐藏. 查找资料得知:1.pythonw.exe .py不会出现(此方法没试过) 2.python.exe .pyw即将py文件的后 ...
- django基于中间件的IP访问频率控制
一.中间件的代码 注意:成功时返回的是None,那样才会走视图层,返回httpresponse就直接出去了 import time from django.utils.deprecation impo ...
- php mkdir No such file or director问题
有时使用mkdir创建目录时会出现 No such file or director这样的错误,导致这个错误的原是 比如你要创建目录 a\b\c目录,但是创建时父目录b也不存在时就会出现这样的问题. ...
- Tensorflow object detection API 搭建物体识别模型（四）
四.模型测试 1)下载文件 在已经阅读并且实践过前3篇文章的情况下,读者会有一些文件夹.因为每个读者的实际操作不同,则文件夹中的内容不同.为了保持本篇文章的独立性,制作了可以独立运行的文件夹目标检测. ...
- Matplotlib中柱状图bar使用
一.函数原型 matplotlib.pyplot.bar(left, height, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3) 1. ...
- Elastic Stack之Logstash进阶
Elastic Stack之Logstash进阶 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 一.使用GeoLite2和logstash 过滤插件的geoip案例 1>. ...
- mysql清理binlog日志
mysql的binlog日志过多过大,清理过程. 1.查看binlog日志 mysql> show binary logs; +------------------+-----------+ | ...
- 7、JPA-映射-双向一对多
一个用户对应多个订单,多个订单对应一个用户,不管查哪一边都可以得到另一边的信息 实体类 Customer package com.jpa.yingshe; import javax.persisten ...