基本信息
浏览量:167
职业迁徙
个人简介
大三时,他在机缘巧合之下听说了讯飞语音实验室,而后成功加入其中,开始了在语音识别领域的研究。从深度神经网络(DNN),到循环神经网络(RNN),再到卷积神经网络(CNN),刘聪和团队数年来持续更新着语音识别系统的框架和模型。2015 年,在解决了训练收敛算法等技术难关后,他和团队提出了基于深度全序列卷积神经网络(DFCNN)的创新性语音识别框架,可以直接对整句语音而非局部的语音帧进行建模,同时因为卷积计算过程做了很大程度共享、使得可以设计非常深和宽的模型结构,以看到更长的历史和未来的语音上下文信息。此外,因为 DFCNN 模型相对于传统的 RNN 等模型可以同时抓住时域和频域的结构信息,因此在建模精度上也更胜一筹。
研究兴趣
论文共 90 篇作者统计合作学者相似作者
按年份排序按引用量排序主题筛选期刊级别筛选合作者筛选合作机构筛选
时间
引用量
主题
期刊级别
合作者
合作机构
CVPR 2023 (2023): 20301-20310
ICMEpp.2681-2686, (2023)
引用0浏览0EIWOS引用
0
0
CVPR 2023pp.23455-23464, (2023)
Chemical Engineering Journal (2023): 143852-143852
引用1浏览0引用
1
0
arXiv (Cornell University) (2023)
Proceedings of the 8th International Conference on Computing and Artificial Intelligencepp.68-75, (2022)
ACS APPLIED MATERIALS & INTERFACESno. 30 (2022): 34637-34648
arxiv(2022)
引用0浏览0EI引用
0
0
加载更多
作者统计
合作学者
合作机构
D-Core
- 合作者
- 学生
- 导师
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果,我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问,可以通过电子邮件方式联系我们:report@aminer.cn