基于深度神经网络的蒙古语语音识别系统声学模型的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 相关的研究工作 | 第12-15页 |
| 1.2.1 语音识别的发展 | 第12-13页 |
| 1.2.2 神经网络在语音识别中的研究工作 | 第13-14页 |
| 1.2.3 蒙古语语音识别 | 第14-15页 |
| 1.3 本论文主要内容 | 第15-17页 |
| 第二章 蒙古语语音识别系统 | 第17-22页 |
| 2.1 特征提取 | 第17-18页 |
| 2.2 声学模型 | 第18-20页 |
| 2.2.1 混合高斯模型 | 第18-19页 |
| 2.2.2 HMM模型 | 第19-20页 |
| 2.3 语言模型 | 第20-21页 |
| 2.4 解码 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 深度神经网络的蒙古语声学模型建模方法 | 第22-29页 |
| 3.1 神经网络在声学模型上的应用 | 第22-27页 |
| 3.1.1 深度神经网络 | 第22-23页 |
| 3.1.2 时延神经网络 | 第23页 |
| 3.1.3 卷积神经网络 | 第23-24页 |
| 3.1.4 长短时记忆神经网络 | 第24-25页 |
| 3.1.5 前向序列记忆神经网络 | 第25-27页 |
| 3.2 神经网络的训练 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 区分性训练和说话人特征 | 第29-35页 |
| 4.1 区分性训练概述 | 第29页 |
| 4.2 区分性训练准则 | 第29-32页 |
| 4.2.1 贝叶斯风险 | 第29-30页 |
| 4.2.2 MMI | 第30-31页 |
| 4.2.4 MPE和sMBR | 第31-32页 |
| 4.3 说话人特征 | 第32-34页 |
| 4.3.1 i-vector概念 | 第32页 |
| 4.3.2 提取i-vector的模型训练 | 第32-33页 |
| 4.3.3 i-vector在神经网络中的应用 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 第五章 实验结果及分析 | 第35-50页 |
| 5.1 实验工具 | 第35-36页 |
| 5.1.1 Kaldi工具 | 第35页 |
| 5.1.2 Kaldi工具框架 | 第35页 |
| 5.1.3 Kaldi的安装 | 第35-36页 |
| 5.2 数据准备及评价标准 | 第36-38页 |
| 5.2.1 数据准备 | 第36-38页 |
| 5.2.2 蒙古语语音识别性能评价标准 | 第38页 |
| 5.3 实验设置 | 第38-48页 |
| 5.3.1 GMM-HMM | 第39-40页 |
| 5.3.2 基于神经网络的声学模型 | 第40-47页 |
| 5.3.3 区分性训练 | 第47页 |
| 5.3.4 说话人特征 | 第47-48页 |
| 5.4 本章小结 | 第48-50页 |
| 第六章 总结及展望 | 第50-52页 |
| 6.1 本文的主要贡献 | 第50-51页 |
| 6.2 后续工作的展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间发表的学术论文 | 第57页 |
