基于LSTM神经网络的语音模型优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究课题的背景与意义 | 第9页 |
| 1.2 发展现状与问题 | 第9-11页 |
| 1.2.1 国内外发展现状 | 第9-11页 |
| 1.2.2 存在的问题 | 第11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 语音识别基本理论 | 第13-18页 |
| 2.1 语音识别基本原理 | 第13-14页 |
| 2.2 语音识别模型的重要组成部分 | 第14-17页 |
| 2.2.1 语音识别的特征分析 | 第14-15页 |
| 2.2.2 声学模型 | 第15-16页 |
| 2.2.3 语言模型 | 第16页 |
| 2.2.4 解码组件 | 第16-17页 |
| 2.3 语音模型性能评测准则 | 第17页 |
| 2.4 本章总结 | 第17-18页 |
| 第三章 LSTM-LM及其改进 | 第18-27页 |
| 3.1 循环神经网络 | 第18-19页 |
| 3.2 网络算法 | 第19-21页 |
| 3.2.1 BP算法 | 第19-20页 |
| 3.2.2 BPTT算法 | 第20-21页 |
| 3.3 LSTM网络基础 | 第21-22页 |
| 3.4 网络结构改进 | 第22-23页 |
| 3.5 测试与分析 | 第23-26页 |
| 3.5.1 测试实验数据 | 第24页 |
| 3.5.2 结果分析 | 第24-26页 |
| 3.6 本章总结 | 第26-27页 |
| 第四章 优化LSTM模型及其算法 | 第27-46页 |
| 4.1 激活值与门的相关研究分析 | 第27-29页 |
| 4.2 门激活值间关系的研究分析 | 第29-32页 |
| 4.2.1 一维激活值相关性分析 | 第29-30页 |
| 4.2.2 F门和I门线性关系进一步验证 | 第30-32页 |
| 4.3 优化LSTM网络实验测试前期数据准备工作 | 第32-35页 |
| 4.3.1 优化LSTM网络 | 第32-33页 |
| 4.3.2 实验平台 | 第33页 |
| 4.3.3 实验数据及相关处理 | 第33-35页 |
| 4.3.3.1 数据预处理 | 第33-34页 |
| 4.3.3.2 特征参数规整 | 第34页 |
| 4.3.3.3 GMM-HMM数据对齐 | 第34-35页 |
| 4.4 网络结构及算法 | 第35-38页 |
| 4.4.1 网络构建 | 第35-36页 |
| 4.4.2 网络构建算法 | 第36-37页 |
| 4.4.3 网络训练算法 | 第37-38页 |
| 4.5 建立语言模型 | 第38-39页 |
| 4.6 模型训练及结果 | 第39-40页 |
| 4.7 实验结果分析 | 第40-45页 |
| 4.7.1 改进LSTM与原有LSTM对比实验 | 第40-42页 |
| 4.7.2 改进网络与其它网络对比实验 | 第42-44页 |
| 4.7.2.1 网络语音识别模型性能评价标准 | 第42页 |
| 4.7.2.2 CNN和FSMN的构建与结果 | 第42-44页 |
| 4.7.3 实验结果整合对比分析 | 第44-45页 |
| 4.8 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间的科研成果 | 第50-51页 |
| 致谢 | 第51-52页 |
