[发明专利]深层神经网络的学习方法及学习装置

权利要求书

1.一种对包括第1语言及第2语言的多种语言的声音数据进行识别的深层神经网络学习方法，其特征在于，

所述深层神经网络由所述多种语言所共同使用的语言独立的子网络和依赖于语言的依赖语言的子网络来构成，

所述深层神经网络学习方法包括：

计算机在存储介质内存储第1子网络、第2子网络及第3子网络的步骤；

深层神经网络的学习步骤，计算机以属于所述第1语言的学习数据使第1深层神经网络进行学习，并以属于所述第2语言的学习数据使第2深层神经网络进行学习，由此进行所述第1深层神经网络及第2深层神经网络的学习，其中，所述第1深层神经网络将所述第2子网络连接于所述第1子网络的后级而形成，所述第2深层神经网络将所述第3子网络连接于所述第1子网络的后级而形成；和

计算机在完成所述深层神经网络的学习步骤之后，将所述第1子网络与其他子网络分离开并作为所述语言独立的子网络存储至存储介质的步骤，

在存储于所述存储介质的所述语言独立的子网络的后级连接其他的依赖语言的子网络而构成了其他的语言的深层神经网络时，能够缩短该其他的语言的深层神经网络的学习期间。

2.根据权利要求1所述的深层神经网络学习方法，其中，

所述第1子网络、第2子网络及第3子网络均包括输入层、隐藏层及输出层，

所述深层神经网络的学习步骤包含：

计算机对所述第1子网络、第2子网络及第3子网络进行初始化的步骤；

第1学习步骤，计算机对所述第1子网络的所述输出层的神经元与所述第2子网络的所述输入层的神经元进行连接来形成第1深层神经网络，并以属于所述第1语言的学习数据使所述第1深层神经网络进行学习；

第2学习步骤，计算机对所述第1子网络的所述输出层的神经元与所述第3子网络的所述输入层的神经元进行连接来形成第2深层神经网络，并以属于所述第2语言的学习数据使所述第2深层神经网络进行学习；和

计算机交替地执行所述第1学习步骤及第2学习步骤直至结束条件成立为止的步骤。

3.根据权利要求1或2所述的深层神经网络学习方法，其中，

所述深层神经网络学习方法还包括：计算机在完成所述深层神经网络的学习步骤之后，将所述第2子网络与其他子网络分离开并作为针对所述第1语言的声音数据而使用的依赖语言的子网络存储至存储介质的步骤。

4.一种对多种语言的声音数据进行识别的深层神经网络学习方法，其特征在于，

所述深层神经网络由所述多种语言所共同使用的语言独立的子网络和特定语言所使用的特定语言用的子网络来构成，

所述深层神经网络学习方法包括：

计算机存储所述多种语言所共同使用的学习完的语言独立的子网络的步骤；

计算机存储所述特定语言用的子网络的步骤；

计算机对所述特定语言用的子网络进行初始化的步骤；

计算机对所述语言独立的子网络的输出层的神经元与所述特定语言用的子网络的输入层进行连接，由此来形成深层神经网络的步骤；和

计算机使用属于所述特定语言的学习数据，且将所述语言独立的子网络的参数固定，使所述特定语言用的子网络进行学习的步骤，

由此，能够缩短所述特定语言用的深层神经网络的学习期间。