一種基於模型合併的聲學模型優化新方法 | IJCAI 2020論文分享
IJCAI 2020 原定於 2020 年 7 月 11 日在日本橫濱召開，現在會址從日本橫濱改到了全程線上舉行且正在進行中。本屆大會的主會接受率僅僅只有12.6%，算上IJCAI史上最嚴的一年，也號稱2020年度錄取率最低的AI頂會。
所以說在IJCAI 2020上被錄用的論文在質量上都會有所保證，而就在明天的1月14日（周四）20:00-21:00，AI科技評論特別邀請到了微眾銀行人工智能研究員的譚聰慧博士，作客AI研習社IJCAI 2020論文解讀直播間，為大家詳細介紹他被收錄的論文工作情況。嘉賓分享完還有問答環節，歡迎大家積极參与討論，一起探討。
2020年1月14日（周四）20:00-21:00
譚聰慧，博士畢業於香港中文大學，目前在微眾銀行擔任人工智能研究員，研究方向包括語音識別、機器學習中的優化算法等。
因為當前對隱私保護的逐漸重視和數據量的不斷增加，我們已經很難像以前一樣直接搜集多方的數據來優化聲學模型。雖然聯邦學習通用框架能解決一些問題，但在實際業務場景中仍有不適用的地方。為了解決這一問題，我們提出了基於合併算法的聲學模型優化的新框架，在這一框架下，聲學模型可以在多個數據源上分別獨立的訓練，我們設計的聲學模型合併算法可以將其快速的合併和優化出公共的模型。這一算法在我們的實驗和業務實踐中均取得了良好的效果。
-
項目背景：基於遷移、聯邦與進化學習的語音識別優化框架
-
//www.ijcai.org/Proceedings/2020/513
AI研習社直播間：//live.yanxishe.com/room/894
Bilibili直播間：//live.bilibili.com/5612206
掃碼添加小助手微信，回復【IJCAI】進入IJCAI 2020交流群
