Resumen

Proponemos un mtodo de aprendizaje rpido para perceptrones multicapa (MLP) en tareas de reconocimiento del habla continua de gran vocabulario (LVCSR). Se utiliza una estrategia de preajuste basada en la separacin de los datos de entrenamiento y un ritmo de aprendizaje dinmico con una funcin coseno para aumentar la precisin de un MLP inicial estocstico. Las matrices de pesos del MLP preajustado se reestructuran mediante un mtodo basado en la descomposicin de valores singulares (SVD), reduciendo la dimensionalidad del MLP. Para entrenar el MLP reestructurado se utiliza un algoritmo de retropropagacin (BP) que se ajusta a las matrices de pesos desdobladas, reduciendo la complejidad temporal del proceso de aprendizaje. Los resultados experimentales indican que en las tareas LVCSR, en comparacin con el mtodo de aprendizaje convencional, este mtodo de aprendizaje rpido puede lograr una aceleracin de alrededor de 2,0 veces con una mejora tanto en la prdida de entropa cruzada como en la precisin del marco. Adems, puede conseguir una aceleracin de aproximadamente 3,5 veces con slo una pequea prdida de la prdida de entropa cruzada y de la precisin de fotograma. Dado que este mtodo consume menos tiempo y espacio que el mtodo convencional, es ms adecuado para robots que tienen limitaciones de hardware.

• 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