基于循环神经网络的汉语语言模型效率与性能的优化与实现
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 第1章 引言 | 第12-17页 |
| 1.1 课题研究的背景 | 第12-13页 |
| 1.2 课题的研究现状和意义 | 第13-14页 |
| 1.3 课题研究目的与内容 | 第14-15页 |
| 1.4 论文的主要工作及结构安排 | 第15-17页 |
| 第2章 RNN语言模型分析 | 第17-34页 |
| 2.1 语音识别系统 | 第17-22页 |
| 2.1.1 声学模型 | 第18-19页 |
| 2.1.2 声学特征 | 第19-21页 |
| 2.1.3 语言模型 | 第21-22页 |
| 2.1.3 解码模块 | 第22页 |
| 2.2 语言模型分析 | 第22-32页 |
| 2.2.1 N-Gram语言模型 | 第22-23页 |
| 2.2.2 神经网络语言模型 | 第23-32页 |
| 2.3 汉语语言模型的特点 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 RNN语言模型的效率优化 | 第34-46页 |
| 3.1 效率优化方案 | 第34-39页 |
| 3.1.1 常规的效率优化方案 | 第34-35页 |
| 3.1.2 SIMD指令使用 | 第35-37页 |
| 3.1.3 浮点数的定点化表示 | 第37-39页 |
| 3.2 定点化优化方案与实现 | 第39-44页 |
| 3.2.1 常规定点化优化方案 | 第39-42页 |
| 3.2.2 高精度线性定点优化方案 | 第42-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第4章 RNN语言模型的性能优化 | 第46-55页 |
| 4.1 性能优化方案 | 第46页 |
| 4.2 流水线性能优化方案与实现 | 第46-53页 |
| 4.2.1 N-Best相似度分析 | 第47-49页 |
| 4.2.2 一种流水线性能优化方案 | 第49-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第5章 系统测试与结果分析 | 第55-60页 |
| 5.1 测试环境与配置 | 第55页 |
| 5.2 实验流程 | 第55-57页 |
| 5.3 实验结果及分析 | 第57-59页 |
| 5.3.1 定点化优化方案实验结果及分析 | 第57-58页 |
| 5.3.2 流水线型优化方案实验结果及分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录A 定点化优化方案实现代码 | 第66-67页 |
| 附录B 流水线性能优化方案实现代码 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第70页 |
