基于输出分布的小尺寸DNN学习准则

Interspeech 2014 Learning Small-Size DNN with Output-Distribution-Based Criteria

简述

为了减小离线模型（比如用于嵌入式设备）的大小，可以减小每个隐层的节点数或者减小输出层的目标节点数。

减小每个隐层的节点数

教师模型（L）与学生模型（S）之间的KL散度为：

训练流程为：

1. 使用带转录数据训练教师模型
2. 使用无转录数据对学生模型进行预训练
3. 使用无转录数据以上述算法计算mini-batch的准则函数，并反向传播

与直接重训相比，上述TS训练方法在375小时数据集上取得13.59%的WER下降

减小输出层的目标节点数

传统生成三音素集方法的问题在于

• 基于似然决策树分裂以获得DNN建模的三音素集中，三音素集是由对应MFCC或PLP特征的单高斯分布决定的，与后续训练DNN的流程无关。

本文提出先用标准方法生成较大的三音素集，然后基于DNN相关的特征对大三音素集进行聚类。

根据Equivalence of generative and log-linear models，对数线性模型等价于一个高斯模型：

softmax函数可以看作是以下对数线性函数：

训练流程为：

1. 使用标准训练流程训练大三音素集的DNN
2. 将大三音素集DNN的输出层转换为多个高斯模型
3. 对上述高斯模型使用对称KL散度进行聚类，为聚类后每个集合分配一个三音素ID
4. 将训练数据对齐中，将大三音素ID替换为小三音素集ID，然后对DNN进行重训

实验结果与结论

与使用标准流程用决策树重新生成三音素集相比，基于高斯KL聚类的方法在375小时能取得1.33%的WER下降

原文

Li, Jinyu, Rui Zhao, Jui-Ting Huang, and Yifan Gong. "Learning small-size DNN with output-distribution-based criteria." In Fifteenth annual conference of the international speech communication association. 2014.

标签：训练,准则,模型,DNN,尺寸,聚类,音素,大三
来源： https://www.cnblogs.com/JarvanWang/p/10950546.html