基于深度学习的两类典型语音处理问题研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 英文缩写词对照表 | 第10-11页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景 | 第11-19页 |
| 1.1.1 深度学习概念 | 第11-13页 |
| 1.1.2 深度学习发展历程 | 第13-16页 |
| 1.1.3 深度学习成功因素 | 第16-18页 |
| 1.1.4 深度学习应用领域 | 第18-19页 |
| 1.2 基于深度学习的语音处理现状 | 第19-22页 |
| 1.2.1 语音识别 | 第19-21页 |
| 1.2.2 语音合成 | 第21页 |
| 1.2.3 音频和音乐处理 | 第21-22页 |
| 1.3 论文主要工作 | 第22-23页 |
| 1.3.1 语音匹配 | 第22-23页 |
| 1.3.2 多模态语音识别 | 第23页 |
| 1.4 论文组织结构 | 第23-24页 |
| 第二章 背景知识 | 第24-32页 |
| 2.1 深度置信网络 | 第24-25页 |
| 2.1.1 受限玻尔兹曼机 | 第24-25页 |
| 2.2 卷积神经网络 | 第25-31页 |
| 2.2.1 层的类型 | 第26-28页 |
| 2.2.2 梯度计算 | 第28-29页 |
| 2.2.3 经典模型 | 第29-31页 |
| 2.3 小结 | 第31-32页 |
| 第三章 基于卷积深度置信网络的语音匹配 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 卷积深度置信网络模型 | 第33-36页 |
| 3.2.1 卷积受限玻尔兹曼机 | 第34-35页 |
| 3.2.2 概率最大池化 | 第35-36页 |
| 3.3 算法流程 | 第36-39页 |
| 3.3.1 预处理 | 第36-37页 |
| 3.3.2 语音特征提取 | 第37-38页 |
| 3.3.3 语音特征匹配 | 第38-39页 |
| 3.4 实验 | 第39-43页 |
| 3.4.1 TIMIT数据库上语音匹配结果 | 第39-42页 |
| 3.4.2 音乐数据库上的语音匹配结果 | 第42-43页 |
| 3.5 小结 | 第43-44页 |
| 第四章 基于递归神经网络的多模态语音识别 | 第44-61页 |
| 4.1 引言 | 第44-45页 |
| 4.2 递归神经网络模型 | 第45-53页 |
| 4.2.1 展开计算图 | 第45-47页 |
| 4.2.2 数学推导 | 第47-49页 |
| 4.2.3 双向递归神经网络 | 第49-50页 |
| 4.2.4 长短时记忆 | 第50-53页 |
| 4.3 多模态递归神经网络模型 | 第53-55页 |
| 4.3.1 模型变体 | 第54-55页 |
| 4.3.2 模型的训练 | 第55页 |
| 4.4 实验 | 第55-60页 |
| 4.4.1 数据集 | 第55-56页 |
| 4.4.2 仅依赖于视觉的识别 | 第56-57页 |
| 4.4.3 仅依赖于听觉的识别 | 第57页 |
| 4.4.4 基于听觉-视觉的语音识别 | 第57-60页 |
| 4.5 小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.1.1 语音匹配 | 第61页 |
| 5.1.2 多模态语音识别 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 作者在学期间取得的学术成果 | 第72页 |
