2013-05-17

Data sharing

• LM count files still undelivered!

DNN progress

Experiments

• setups for mfcc/plp

Test Set	fMMI	s1/tri1	s2/tri1	s3/tri1	s4/tri1	s2/tri2	s4/tri2	cpu-based (like s4/tri1)	plp-s2/tri2
map	28.58	25.38	24.47	26.16	26.20	22.85	24.27	26.45	23.86
2044	24.79	23.58	22.82	23.84	24.13	21.45	22.76	24.66	22.68
notetp3	21.64	16.08	14.89	15.92	15.97	14.89	14.79	16.14	16.46
1900	8.19	8.55	8.43	8.66	8.90	7.30	7.91	8.23	7.68
general	39.63	36.18	34.79	35.88	35.90	33.06	33.79	38.02	34.12
online1	35.19	34.68	33.90	33.45	33.38	32.93	32.43	33.00	33.60
online2	28.30	27.27	26.61	26.26	26.36	25.94	25.69	26.63	26.20
speedup	28.45	24.97	24.40	24.55	25.42	23.04	23.67	27.17	23.62

Tencent exps

1. 手动将NN网络的W权重，较小的置零，在保留30%左右的较大权重的条件下，系统性能未见明显衰减。
2. 按照HTK模型的结构，以及HTK align的结构，修改Kaldi的GPU接口，验证并无问题，已开始较大规模数据训练（1000小时），网络结构前后5帧扩展，4个隐层，每层2048节点，输出15000个状态。使用mpe模型alignment，特征为plp特征，未做任何映射。
3. 解码器仍在CLG结构下，修改声学模型计算接口，接入DNN模型，验证无问题，已开始效率优化。

待做实验：

1. 验证不同学习率调节策略，指数下降衰减方式，newbob方式。
2. 验证不同特征在大数据上的作用。
3. 最后层不过softmax，降维得到BN特征实验，类似IBM BN做法

GPU & CPU merge

1. just started

Kaldi/HTK merge

• HTK2Kaldi: hold.
• Kaldi2HTK: pdf error problem.

Kaldi Monophone: 30.91%  HDecode: 41.40%

• workaround; use the BN feature to train HTK models, so without kaldi training.

Embedded progress

• Status:

1. first embedded demo done, 1000 words take 3.2M memory.
2. accuracy test finished
3. training acoustic model for sphinx. The an4 training process is done, while the test seems problematic.

Test Set	#utt	ERR	RT
	806	23.33	0.07
	887	13.64	0.08
	876	17.58	0.07

• To be done

1. finish 400hour AM training