| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 主要符号对照表 | 第12-13页 |
| 1 引言 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 问题识别与定义 | 第16页 |
| 1.4 论文难点与主要研究成果 | 第16-17页 |
| 1.5 论文结构 | 第17-19页 |
| 2 语音识别技术基础与深度神经网络概述 | 第19-29页 |
| 2.1 语音识别系统原理 | 第19-20页 |
| 2.2 语音识别技术背景及相关理论 | 第20-27页 |
| 2.2.1 三音素子状态划分 | 第20-21页 |
| 2.2.2 特征抽取 | 第21-22页 |
| 2.2.3 声学模型 | 第22-25页 |
| 2.2.4 语言模型 | 第25-26页 |
| 2.2.5 语音识别的解码器 | 第26-27页 |
| 2.2.6 语音识别性能评判标准 | 第27页 |
| 2.3 深度神经网络概述 | 第27-29页 |
| 2.3.1 深度神经网络 | 第27-28页 |
| 2.3.2 深度神经网络与传统方法的比较 | 第28-29页 |
| 3 跨层传递提升深度神经网络精度 | 第29-39页 |
| 3.1 多层前馈神经网络 | 第29-32页 |
| 3.1.1 多层前馈神经网络的结构 | 第29-31页 |
| 3.1.2 多层前馈神经网络基线模型配置 | 第31-32页 |
| 3.2 基于t-sne分析隐藏层学到的特征 | 第32-33页 |
| 3.3 隐藏层的帧错误率分析 | 第33-35页 |
| 3.3.1 模型及参数设置 | 第34页 |
| 3.3.2 结果展示与分析 | 第34-35页 |
| 3.4 多层前馈神经网络的跨层传递及实验设置 | 第35-37页 |
| 3.4.1 跨层传递多层前馈神经网络的网络结构 | 第35-37页 |
| 3.4.2 实验设置及结果 | 第37页 |
| 3.5 与其他提升深度神经网络精度方法的比较 | 第37-38页 |
| 3.6 本章总结 | 第38-39页 |
| 4 二值化与线性表示加速循环神经网络的训练与解码 | 第39-55页 |
| 4.1 循环神经网络 | 第39-43页 |
| 4.1.1 传统循环神经网络 | 第39-41页 |
| 4.1.2 长短时记忆循环神经网络LSTM | 第41-43页 |
| 4.1.3 长短时记忆神经网络基线配置 | 第43页 |
| 4.2 门激活值的稀疏性 | 第43-45页 |
| 4.3 门激活值的线性关系 | 第45-48页 |
| 4.3.1 降维分析 | 第45-46页 |
| 4.3.2 统计分析 | 第46-48页 |
| 4.4 二值化与线性表示的循环神经网络的实现与测试 | 第48-52页 |
| 4.4.1 二值化与线性表示的循环神经网络的网络结构 | 第48-49页 |
| 4.4.2 实验设置及数据 | 第49-50页 |
| 4.4.3 实验结果与分析 | 第50-52页 |
| 4.5 与其他神经网络加速计算方法的比较 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 5 基于二值化与线性表示的跨层深度循环神经网络 | 第55-63页 |
| 5.1 实验组与参照组模型结构 | 第55-58页 |
| 5.1.1 实验组模型结构 | 第55-56页 |
| 5.1.2 参照组模型结构 | 第56-57页 |
| 5.1.3 实验环境及实验数据 | 第57-58页 |
| 5.2 测试方案 | 第58-59页 |
| 5.2.1 常规测试 | 第58页 |
| 5.2.2 鲁棒性测试 | 第58-59页 |
| 5.2.3 训练及解码时间测试 | 第59页 |
| 5.3 测试结果及分析 | 第59-62页 |
| 5.3.1 测试结果 | 第59-61页 |
| 5.3.2 结果分析 | 第61-62页 |
| 5.4 本章总结 | 第62-63页 |
| 6 在线语音识别系统的设计与实现 | 第63-71页 |
| 6.1 方案选型 | 第63-64页 |
| 6.2 系统架构设计 | 第64-65页 |
| 6.2.1 系统物理架构 | 第64-65页 |
| 6.2.2 系统逻辑架构 | 第65页 |
| 6.3 系统功能模块设计与实现 | 第65-69页 |
| 6.3.1 系统功能模块总述 | 第66页 |
| 6.3.2 Android客户相关模块设计与实现 | 第66-67页 |
| 6.3.3 服务器端相关模块设计与实现 | 第67-69页 |
| 6.4 系统展示 | 第69-70页 |
| 6.5 本章总结 | 第70-71页 |
| 7 总结与展望 | 第71-73页 |
| 7.1 本文工作总结 | 第71-72页 |
| 7.2 未来工作展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |