摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
目录 | 第7-10页 |
图录 | 第10-11页 |
表录 | 第11-12页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 连续语音识别的基本框架 | 第13-15页 |
1.2.1 特征提取 | 第13-14页 |
1.2.2 声学模型 | 第14页 |
1.2.3 语言模型 | 第14-15页 |
1.2.4 译码及词图 | 第15页 |
1.2.5 区分性训练 | 第15页 |
1.3 区分性训练技术的发展及现状 | 第15-18页 |
1.4 论文的主要内容和结构安排 | 第18-20页 |
第二章 区分性训练关键技术 | 第20-32页 |
2.1 区分性训练准则 | 第20-26页 |
2.1.1 最大互信息估计(Maximum Mutual Information Estimation,MMIE) | 第20-21页 |
2.1.2 最小分类错误(Minimum Classification Error,MCE) | 第21-22页 |
2.1.3 最小音素/词错误(Minimum Phone /Word Error,MPE/MWE) | 第22-24页 |
2.1.4 大边距估计(Large Margin Estimation,LME) | 第24页 |
2.1.5 区分性训练准则统一框架 | 第24-26页 |
2.2 优化算法 | 第26-28页 |
2.2.1 梯度下降(Gradient Descent,GD) | 第26页 |
2.2.2 Quickprop算法 | 第26-27页 |
2.2.3 扩展BW算法(Extended Baum-Welch,EBW) | 第27-28页 |
2.3 实验 | 第28-31页 |
2.3.1 实验配置 | 第29页 |
2.3.2 区分性训练在中文语料库上的测试 | 第29-30页 |
2.3.3 区分性训练在英文语料库上的测试 | 第30-31页 |
2.3.4 实验数据对LME泛化能力的影响 | 第31页 |
2.4 本章小结 | 第31-32页 |
第三章 基于提升大边距准则的区分性声学模型 | 第32-42页 |
3.1 提升大边距准则(Boosted LME Criterion) | 第32-36页 |
3.1.1 目标函数的建立 | 第32-34页 |
3.1.2 提升大边距准则的实现 | 第34-36页 |
3.2 竞争空间的选择 | 第36-37页 |
3.3 实验 | 第37-40页 |
3.3.1 竞争空间裁剪 | 第37-38页 |
3.3.2 常数因子b的影响 | 第38-39页 |
3.3.3 数据集的范围d的取值 | 第39页 |
3.3.4 与其他准则的比较 | 第39-40页 |
3.4 本章小结 | 第40-42页 |
第四章 AM框架下梯度逼近优化算法 | 第42-52页 |
4.1 Approximation-optiMization (AM)框架 | 第42-44页 |
4.1.1 邻近空间的构造 | 第42-44页 |
4.1.2 逼近及优化 | 第44页 |
4.2 基于梯度的辅助函数逼近 | 第44-48页 |
4.2.1 辅助函数逼近通则 | 第44-46页 |
4.2.2 基于梯度的辅助函数逼近算法的具体实现 | 第46-48页 |
4.3 辅助函数优化 | 第48-49页 |
4.4 实验 | 第49-50页 |
4.4.1 实验配置 | 第49页 |
4.4.2 逼近优化在中文语料库上的测试 | 第49-50页 |
4.4.3 逼近优化在英文语料库上的测试 | 第50页 |
4.5 本章小结 | 第50-52页 |
第五章 基于逼近优化的区分性语言模型 | 第52-62页 |
5.1 提升大边距准则下的语言模型目标函数 | 第52-56页 |
5.1.1 n-gram语言模型 | 第52-55页 |
5.1.2 目标函数的建立 | 第55-56页 |
5.2 目标函数的逼近优化 | 第56-59页 |
5.2.1 函数逼近 | 第56-57页 |
5.2.2 辅助函数优化 | 第57-59页 |
5.3 实验 | 第59-61页 |
5.3.1 实验配置 | 第59页 |
5.3.2 约束半径的研究 | 第59-60页 |
5.3.3 竞争空间对区分性训练的影响 | 第60页 |
5.3.4 区分性训练的影响 | 第60-61页 |
5.4 本章小结 | 第61-62页 |
结束语 | 第62-64页 |
本文主要工作 | 第62-63页 |
进一步研究方向 | 第63-64页 |
致谢 | 第64-66页 |
参考文献 | 第66-72页 |
作者简历 | 第72页 |