小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓＤＯＩ：１０．２０００９／ｊ．ｃｎｋｉ．２１⁃１１０６／ＴＰ．２０２２⁃０４８０２０２３年３月第３期Ｖｏｌ．４４Ｎｏ．３２０２３收稿日期：２０２２⁃０８⁃１７收修改稿日期：２０２２⁃０９⁃１３基金项目：国家重点研发计划项目（２０２１ＺＤ０１１２４００，２０２０ＡＡＡ０１０６１００）资助；国家自然科学基金重点项目（６２１３６００５）资助；山西省重点研发计划项目（２０１９０３Ｄ４２１００３）资助；山西省高等学校科技创新项目（２０１９Ｌ００３４）资助；山西省青年科学基金项目（２０２１０３０２１２４５５６）资助．作者简介：张霞，女，１９７７年生，博士，副教授，ＣＣＦ会员，研究方向为机器学习和图像处理；刘乾，男，１９９７年生，硕士研究生，研究方向为声纹识别和深度学习；郭倩，女，１９９０年生，博士，ＣＣＦ会员，研究方向为逻辑学习、抽象推理及它们在多图检索上的应用；梁新彦，男，１９８９年生，博士，讲师，ＣＣＦ会员，研究方向为多视图机器学习和粒计算；钱宇华，男，１９７６年生，博士，教授，博士生导师，ＣＣＦ会员，研究方向为人工智能、大数据、机器学习和数据挖掘；畅江，女，１９８８年生，博士，讲师，研究方向为语音信号处理、脑电信号分析、声纹识别和情感识别．强调信息传播和特征分布的说话人验证模型：ＥＩＰＦＤ⁃ＲｅｓＮｅｔ张霞１，２，３，刘乾１，２，３，郭倩１，２，梁新彦１，２，钱宇华１，２，畅江１，２１（山西大学大数据科学与产业研究院，太原０３０００６）２（山西省机器视觉与数据挖掘工程研究中心，太原０３０００６）３（山西大学计算机与信息技术学院，太原０３０００６）Ｅ⁃ｍａｉｌ：ｓｔｉｔｃｈ０５０７＠１６３．ｃｏｍ摘要：说话人验证是一种自然、有效的生物特征身份认证方法，其性能很大程度上取决于所提取说话人特征的质量．残差网络（ＲｅｓＮｅｔ）具有优越的推理能力，可以提取高质量的说话人特征，因此广泛地应用于说话人验证任务中，然而目前残差网络仍存在音频数据信息利用不充分，提取的特征不利于分类说话人等问题，这些问题大大限制了残差网络的表征能力．本文聚焦于残差网络的模型结构，详细分析了残差块分布比例、激活层、跳跃连接这些结构因素对特征信息提取的影响，以及模型输出特征分布对说话人分类结果的影响，并据此对原始残差块、特征下采...
