2.Related works to filterbank learning
虽然DNN-HMM模型的性能比GMM-HMM模型相比，具有很大的优势，但是训练集和测试集之间的失配问题，也使得DNN-HMM模型的性能受到很大的影响。为了解决这一问题，人们为基于DNN的声学模型提出了很多的自适应方法。filterbanks的学习可以使用一些自适应方法进行近似，虽然两者之间的expressiveness和约束不同。（Learning of fitlerbanks can be approximated by some of adaptation methods, though there are differencies with regard to expressiveness and constraint.）
自适应技术可以大致分为两类：1）特征空间自适应（feature space adaptation）；2）模型自适应（model adaptation）。特征空间自适应有：fMLLR（feature-space Maximum Likelihood Linear Regression）和VTLN（Vocal Tract Length Normalization），这些方法都尝试使用基于GMM-derived方法提取不变特征（invariant feature）。