| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 语音识别概述 | 第9页 |
| 1.2 语音识别发展历程 | 第9-11页 |
| 1.3 语音识别系统的分类 | 第11-12页 |
| 1.4 语音识别的应用 | 第12-13页 |
| 1.5 论文研究内容及组织架构 | 第13-14页 |
| 1.6 总结 | 第14-15页 |
| 第二章 语音识别系统 | 第15-31页 |
| 2.1 语音识别系统架构简述 | 第15-16页 |
| 2.2 音频信号处理和特征提取 | 第16-19页 |
| 2.3 语言模型 | 第19页 |
| 2.4 声学模型 | 第19-29页 |
| 2.4.1 隐马尔可夫模型 | 第20-21页 |
| 2.4.2 混合高斯模型 | 第21-22页 |
| 2.4.3 深度神经网络模型 | 第22-29页 |
| 2.4.3.1 深度神经网络结构 | 第22-24页 |
| 2.4.3.2 神经网络的训练 | 第24-27页 |
| 2.4.3.3 CD-DNN-HMM语音识别架构 | 第27-29页 |
| 2.5 解码器 | 第29-30页 |
| 2.6 小结 | 第30-31页 |
| 第三章 随机深度神经网络结构 | 第31-43页 |
| 3.1 深度神经网络梯度弥散问题 | 第31-32页 |
| 3.2 ReLu激活函数 | 第32-33页 |
| 3.3 批归一化 | 第33-35页 |
| 3.4 深度残差网络 | 第35-37页 |
| 3.5 随机深度网络 | 第37-39页 |
| 3.6 参数压缩 | 第39-42页 |
| 3.7 小结 | 第42-43页 |
| 第四章 实验与结果分析 | 第43-69页 |
| 4.1 实验数据集 | 第43页 |
| 4.2 实验指标 | 第43-44页 |
| 4.3 实验步骤 | 第44-67页 |
| 4.3.1 实验平台搭建 | 第44-45页 |
| 4.3.2 数据特征提取及标注对齐 | 第45-50页 |
| 4.3.3 数据格式转换 | 第50-52页 |
| 4.3.4 多GPU并行网络训练架构 | 第52-53页 |
| 4.3.5 实验及分析 | 第53-67页 |
| 4.3.5.1 实验1：激活函数对梯度弥散的影响 | 第57-59页 |
| 4.3.5.2 实验2：批归一化对梯度弥散的影响 | 第59-62页 |
| 4.3.5.3 实验3：深度残差网络对梯度弥散的影响 | 第62-64页 |
| 4.3.5.4 实验4：随机深度网络对梯度弥散的影响 | 第64-66页 |
| 4.3.5.5 实验5：随机深度网络参数压缩 | 第66-67页 |
| 4.4 小结 | 第67-69页 |
| 总结与展望 | 第69-72页 |
| 1 论文工作总结 | 第69-70页 |
| 2 工作展望 | 第70-72页 |
| 参考文献 | 第72-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |