首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

深度神经网络音素识别系统及其隐藏层研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第10-13页
    1.1 课题背景第10页
    1.2 国内外研究现状第10-11页
    1.3 课题研究意义第11-12页
    1.4 论文组织结构第12-13页
第二章 语音识别第13-24页
    2.1 语音识别概述第13-16页
        2.1.1 语音识别发展历史第13-14页
        2.1.2 语音识别现状及瓶颈第14-15页
        2.1.3 语音识别基本原理第15-16页
    2.2 语音信号数字化及预处理第16-17页
    2.3 声学特征第17-19页
        2.3.1 基本声学特征第17-18页
        2.3.2 声学特征的抗噪处理第18页
        2.3.3 说话人处理第18-19页
        2.3.4 人工神经网络第19页
    2.4 声学模型第19-21页
        2.4.1 HMM模型简介第19-20页
        2.4.2 模型训练算法第20-21页
    2.5 语言模型第21-22页
        2.5.1 多元文法(N-gram)模型第21-22页
        2.5.2 语言模型的发展第22页
    2.6 识别解码算法第22-23页
    2.7 本章小结第23-24页
第三章 神经网络与深度学习第24-36页
    3.1 人工神经网络第24-29页
        3.1.1 人工神经网络优劣第24-25页
        3.1.2 人工神经网络基本原理第25页
        3.1.3 神经元模型第25-26页
        3.1.4 神经网络的学习方式第26-27页
        3.1.5 反向传播算法第27-29页
    3.2 深度学习第29-32页
        3.2.1 神经科学的启示第30页
        3.2.2 深度学习概述第30-31页
        3.2.3 典型的深度学习结构第31-32页
    3.3 深度神经网络第32-35页
        3.3.1 受限玻尔兹曼机第32-34页
        3.3.2 DBN预训练及微调第34-35页
    3.4 本章小结第35-36页
第四章 深度神经网络音素识别系统第36-47页
    4.1 Kaldi工具箱简介第36-37页
        4.1.1 Kaldi工具箱的主要优势特征第36页
        4.1.2 Kaldi工具箱的基本结构第36-37页
    4.2 日语DNN音素识别系统第37-41页
        4.2.1 数据库分析第37-38页
        4.2.2 数据预处理第38-39页
        4.2.3 提取声学特征第39页
        4.2.4 声学模型的训练与解码第39-41页
        4.2.5 音素识别结果及分析第41页
    4.3 英语DNN音素识别系统第41-44页
        4.3.1 数据库分析第42页
        4.3.2 数据预处理第42-43页
        4.3.3 提取声学特征第43页
        4.3.4 音素识别结果及分析第43-44页
    4.4 汉语DNN音素识别系统第44-46页
        4.4.1 数据库分析第44页
        4.4.2 数据预处理第44-46页
        4.4.3 音素识别结果及分析第46页
    4.5 本章小结第46-47页
第五章 深度神经网络隐藏层研究第47-56页
    5.1 实验准备工作第47-49页
        5.1.1 实验设计第47-48页
        5.1.2 基准系统第48-49页
    5.2 去层实验第49-50页
        5.2.1 去层实验分析及步骤第49-50页
        5.2.2 去层实验语音识别结果第50页
    5.3 换层实验第50-51页
        5.3.1 换层实验分析及步骤第50页
        5.3.2 换层实验语音识别结果第50-51页
    5.4 实验结果分析第51-54页
        5.4.1 语音分析第51页
        5.4.2 去层实验结果分析第51-52页
        5.4.3 换层实验结果分析第52-54页
    5.5 日语系统的实验第54-55页
    5.6 本章小结第55-56页
第六章 总结与展望第56-58页
    6.1 工作总结及讨论第56页
    6.2 研究展望第56-58页
参考文献第58-63页
发表论文和参加科研情况说明第63-64页
致谢第64-65页

论文共65页,点击 下载论文
上一篇:基于非关系型数据库的大规模天文星表数据存储研究
下一篇:IEEE 802.11n长距离无线链路跨层无速率编码算法