Resumen

Proponemos un método de aprendizaje rápido para perceptrones multicapa (MLPs) en tareas de reconocimiento continuo de voz de vocabulario extenso (LVCSR). Se utiliza una estrategia de preajuste basada en la separación de datos de entrenamiento y una tasa de aprendizaje dinámica con una función coseno para aumentar la precisión de un MLP inicial estocástico. Las matrices de peso del MLP preajustado se reestructuran mediante un método basado en la descomposición en valores singulares (SVD), reduciendo la dimensionalidad del MLP. Se utiliza un algoritmo de retropropagación (BP) que se ajusta a las matrices de peso desplegadas para entrenar el MLP reestructurado, reduciendo la complejidad temporal del proceso de aprendizaje. Los resultados experimentales indican que en tareas de LVCSR, en comparación con el método de aprendizaje convencional, este método de aprendizaje rápido puede lograr una aceleración de aproximadamente 2,0 veces con mejoras tanto en la pérdida de entropía cruzada como en la precisión de

• Materias:Biomimética Método de percepción 3D Análisis cinemático Robot industrial
• Subjects:Biomimetics 3D perception method Kinematic analysis Industrial robot
• Palabras claves:Propuesta; Método de aprendizaje rápido; Perceptrones multicapa; Reconocimiento continuo del habla con vocabulario amplio; Tareas LVCSR; Estrategia de preajuste
• Keywords:Proposed; Fast learning method; Multilayer perceptrons; Large vocabulary continuous speech recognition; LVCSR tasks; Preadjusting strategy