一种基于模型合并的声学模型优化新方法 | IJCAI 2020论文分享
IJCAI 2020 原定于 2020 年 7 月 11 日在日本横滨召开，现在会址从日本横滨改到了全程线上举行且正在进行中。本届大会的主会接受率仅仅只有12.6%，算上IJCAI史上最严的一年，也号称2020年度录取率最低的AI顶会。
所以说在IJCAI 2020上被录用的论文在质量上都会有所保证，而就在明天的1月14日（周四）20:00-21:00，AI科技评论特别邀请到了微众银行人工智能研究员的谭聪慧博士，作客AI研习社IJCAI 2020论文解读直播间，为大家详细介绍他被收录的论文工作情况。嘉宾分享完还有问答环节，欢迎大家积极参与讨论，一起探讨。
2020年1月14日（周四）20:00-21:00
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。
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。
-
项目背景：基于迁移、联邦与进化学习的语音识别优化框架
-
//www.ijcai.org/Proceedings/2020/513
AI研习社直播间：//live.yanxishe.com/room/894
Bilibili直播间：//live.bilibili.com/5612206
扫码添加小助手微信，回复【IJCAI】进入IJCAI 2020交流群
