首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

基于深度学习的语音识别研究

摘要第5-6页
abstract第6-7页
第一章 绪论第10-16页
    1.1 课题研究的背景和意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 国外研究现状第11-12页
        1.2.2 国内研究现状第12-13页
    1.3 本文的主要研究内容第13页
    1.4 论文结构和主要创新点第13-16页
第二章 传统神经网络与深度学习第16-28页
    2.1 传统神经网络概述第16-17页
    2.2 反向传播模型第17-19页
    2.3 深度学习概述第19页
    2.4 深度学习训练过程第19-20页
    2.5 RBMs模型第20-23页
        2.5.1 RBMs网络结构第20-21页
        2.5.2 RBMs训练过程第21-23页
    2.6 DBNs模型第23-25页
        2.6.1 DBNs网络结构第23-24页
        2.6.2 DBNs训练过程第24-25页
        2.6.3 调优过程第25页
    2.7 深层模型与浅层模型第25-26页
    2.8 本章小结第26-28页
第三章 语音特征提取及参数降维第28-38页
    3.1 语音识别常用的方法第28-29页
    3.2 语音特征的提取第29-33页
        3.2.1 线性预测系数LPC第29-30页
        3.2.2 线性预测倒谱系数LPCC第30-31页
        3.2.3 梅尔倒谱系数MFCC第31-33页
    3.3 语音特征参数降维第33-35页
    3.4 本章小结第35-38页
第四章 基于微调优化的深度学习方法研究第38-50页
    4.1 基于随机退出优化方法的深度学习第38-45页
        4.1.1 随机退出的思想第38-40页
        4.1.2 随机退出模型描述第40-41页
        4.1.3 随机退出在传统神经网络中的应用第41-42页
        4.1.4 随机退出在深度学习中的应用第42-43页
        4.1.5 随机退出概率的选择第43-44页
        4.1.6 随机退出在MNIST数据集中的应用第44-45页
    4.2 基于随机下降连接优化的深度学习第45-49页
        4.2.1 随机下降连接的思想第46页
        4.2.2 随机下降连接模型描述第46-47页
        4.2.3 随机下降连接在深度学习中的应用第47-48页
        4.2.4 随机下降连接在MNIST数据集中的应用第48-49页
    4.3 本章小结第49-50页
第五章 实验与结果分析第50-60页
    5.1 语音样本库的建立第50-54页
        5.1.1 语音特征的提取第50-52页
        5.1.2 语音特征参数处理第52-54页
    5.2 实验结果及分析第54-58页
        5.2.1 反向传播算法的语音识别第54-55页
        5.2.2 深度信念网络语音识别第55-56页
        5.2.3 基于随机退出优化的深度学习语音识别第56-57页
        5.2.4 基于随机下降连接优化的深度学习语音识别第57-58页
    5.3 本章小结第58-60页
第六章 结论及展望第60-62页
    6.1 课题总结第60页
    6.2 展望第60-62页
参考文献第62-66页
攻读学位期间所取得的相关科研成果第66-68页
致谢第68-69页

论文共69页,点击 下载论文
上一篇:图书馆管理系统的设计与实现
下一篇:高强/高模碳纤维增强C/SiC复合材料制备及其性能研究