Kaldi的交叉熵正则化

Posted JarvanWang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Kaldi的交叉熵正则化相关的知识,希望对你有一定的参考价值。

xent_regularize, Cross Entropy Regularize

nnet3/nnet-discriminative-trainning.cc:109

void NnetDiscriminativeTrainer::ProcessOutputs()

   

交叉熵正则化,即帧平滑

《解读深度学习:语音识别实践》8.2.3 帧平滑

   

当正确地进行词图补偿后,进行几次序列鉴别性训练的迭代后,就会很快出现过拟合。即,几次鉴别性训练迭代后,模型计算出的帧准确率(帧的后验概率)显著变差(比原模型)。这要归咎与帧序列比帧的维度高,那么,训练时估计出的后验概率是处于帧序列的层次,而解码时估计出的后验概率是处于帧的层次,

以上是关于Kaldi的交叉熵正则化的主要内容,如果未能解决你的问题,请参考以下文章

交叉熵损失函数关于交叉熵损失函数的一些理解

神经网络和深度学习笔记 - 第三章 如何提高神经网络学习算法的效果

日常手写三层反向传播神经网络(损失函数交叉熵+正则项+反向求导)

[损失函数]——交叉熵

交叉熵与KL散度

均方差交叉熵及公式推导