基于迁移学习、联邦学习和进化学习的语音技术优化框架
CCF科学技术奖
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
读完这篇文章后,您心情如何?
推荐内容
More >>>- · 【面向社会征集】2023年度“CCF企业数字化发
- · 企业级研发效能提升实践案例 | TF125回顾
- · CNCC 2023论坛分享 | 开源指数——探索学术评
- · CNCC论坛分享 | 大模型驱动网络安全新未来
- · CNCC论坛分享 | 大模型全面革新推荐系统!产
- · CNCC2023论坛分享 | AI + 辅具:语音,一座沟
- · CNCC论坛分享 | 第三届网络生态治理论坛——
- · 2023年度“CCF博士学位论文激励计划”初评结
- · CCSP铜奖说 | 北师大宋泰霖:“寒门”也能出
- · CCSP2023优胜高校谈 | CCSP在苏州大学
- · CCSP金奖说 | 中山大学梁励:从NOIP到CCSP编
所有评论仅代表网友意见