深度学习神经网络在语音识别中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·语音识别的概述 | 第11页 |
| ·语音识别的发展历史 | 第11-13页 |
| ·神经网络在语音识别中的应用背景 | 第13-15页 |
| ·深度学习神经网络 | 第15-17页 |
| ·DN 模型的介绍 | 第15-17页 |
| ·DN 模型在语音识别的应用 | 第17页 |
| ·论文组织架构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 语音识别基本原理 | 第19-28页 |
| ·语音识别原理 | 第19-20页 |
| ·语音信号的预处理 | 第20-24页 |
| ·语音信号预加重 | 第20-21页 |
| ·语音信号加窗分帧 | 第21-22页 |
| ·端点侦测 | 第22-24页 |
| ·语音信号的特征提取 | 第24-27页 |
| ·线性预测系数(LPC) | 第24-25页 |
| ·线性预测倒谱系数(LPCC) | 第25-26页 |
| ·美尔频率倒谱系数(MFCC) | 第26-27页 |
| ·基于一阶差分的提取 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 传统神经网络模型 | 第28-38页 |
| ·神经网络的基本知识 | 第28-31页 |
| ·神经元模型 | 第29-31页 |
| ·神经网络的类别 | 第31页 |
| ·神经网络的学习方式 | 第31页 |
| ·反向传播模型 | 第31-37页 |
| ·反向传播网络结构 | 第31-33页 |
| ·反向传播学习 | 第33-34页 |
| ·反向传播网络应用要点 | 第34-36页 |
| ·反向传播网络的优劣 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 深度学习神经网络模型 | 第38-56页 |
| ·深度学习简史 | 第38-40页 |
| ·深度学习的深度 | 第40页 |
| ·深度学习的架构 | 第40-44页 |
| ·生成性深度结构 | 第41-42页 |
| ·区分性深度结构 | 第42-43页 |
| ·混合深度结构 | 第43-44页 |
| ·选择深度学习的动机 | 第44-45页 |
| ·深度学习的基本思想和常用方法 | 第45-50页 |
| ·深度学习的基本思想 | 第46页 |
| ·深度学习的常用方法 | 第46-50页 |
| ·RBM 模型 | 第50-54页 |
| ·RBM 模型定义 | 第50-52页 |
| ·RBM 学习算法 | 第52-54页 |
| ·RBM 评估方法 | 第54页 |
| ·应用 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 仿真与实验 | 第56-69页 |
| ·语音样本库的建立 | 第56-60页 |
| ·语音信号预处理 | 第57-60页 |
| ·BP 神经网络 | 第60-63页 |
| ·BP 模型的改进 | 第60页 |
| ·识别性能分析 | 第60-63页 |
| ·DBN 神经网络 | 第63-67页 |
| ·实验设置 | 第63页 |
| ·构建限制玻尔兹曼机模型 | 第63-65页 |
| ·softmax 分类器 | 第65-66页 |
| ·微调 | 第66页 |
| ·结果与分析 | 第66-67页 |
| ·两种神经网络模型比较 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
