因为当前对隐私保护的逐渐重视和数据量的不断增加，我们已经很难像以前一样直接搜集多方的数据来优化声学模型。虽然联邦学习通用框架能解决一些问题，但在实际业务场景中仍有不适用的地方。为了解决这一问题，我们提出了基于合并算法的声学模型优化的新框架，在这一框架下，声学模型可以在多个数据源上分别独立的训练，我们设计的声学模型合并算法可以将其快速的合并和优化出公共的模型。这一算法在我们的实验和业务实践中均取得了良好的效果。 作者：谭聪慧，博士毕业于香港中文大学，目前在微众银行担任人工智能研究员，研究方向包括语音识别、机器学习中的优化算法等。 项目背景：基于迁移、联邦与进化学习的语音识别优化框架 论文地址：https://www.ijcai.org/Proceedings/2020/513 视频观看：https://live.yanxishe.com/room/894

内容中包含的图片若涉及版权问题，请及时与我们联系删除