返回首页
基于迁移学习、联邦学习和进化学习的语音技术优化框架
基于迁移学习、联邦学习和进化学习的语音技术优化框架
完成单位：深圳前海微众银行股份有限公司
主要完成人：杨强、徐倩、范力欣、姜迪、宋元峰、谭聪慧 等
本项目针对用户场景的语音技术，提出了一套迁移学习理论与方法，有效提升了语音系统在用户场景的准确率；在不侵犯用户数据隐私的前提下，用联邦学习方法最大限度挖掘用户数据的价值；整合多种在工业界异构场景语音模型的进化学习理论与方法，实现了语音系统效果的持续升级。
<<< 上一篇
大数据驱动的高速铁路智能安全检测方法与系统
<<< 下一篇 蜂巢联邦智能平台：数据隐私保护的商用级解决
推荐内容
More >>>- · 2027 CCF公益日筹备工作会在西安召开
- · CNCC2026回放票上线！175场年度AI科技精华，
- · AI时代产学研合作如何创造新价值 CCF UIC论坛
- · 构建可信AI：企业级Agent架构与应用实践 | TF
- · 以数据为中心的AI智能体落地实践 | TF技术前
- · 大模型的知识与记忆 | TF技术前线184期回顾
- · 复杂智能体系统的开发与驾驭——对话宋继强、
- · 共绘BioAI无限未来 ——CCF TF第186期在京成
- · CNCC2026颁奖典礼隆重颁发四大奖项 ——CCF王
- · 2026年CCF大学生启航计划发布典礼在蓉举行
- · 第二届CCF数字孪生创新发展推进会和CCF沈阳联