| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景 | 第14页 |
| 1.2 语音识别 | 第14-22页 |
| 1.2.1 语音识别的基本概念 | 第14-17页 |
| 1.2.2 语音识别的发展历程 | 第17-18页 |
| 1.2.3 基于深度学习的声学建模 | 第18-21页 |
| 1.2.4 语音识别仍存在的问题 | 第21-22页 |
| 1.3 藏语语音识别研究现状 | 第22-23页 |
| 1.4 本文研究目标和研究内容 | 第23-24页 |
| 1.5 本文结构安排 | 第24-26页 |
| 第2章 基于隐马尔科夫模型的藏语声学建模 | 第26-34页 |
| 2.1 引言 | 第26页 |
| 2.2 隐马尔科夫模型 | 第26-28页 |
| 2.3 基于GMM-HMM的声学建模 | 第28-30页 |
| 2.4 基于深度学习的声学建模 | 第30-31页 |
| 2.5 实验 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于CTC技术的藏语声学建模 | 第34-48页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基于链接时序分类技术的语音识别 | 第35-41页 |
| 3.2.1 CTC准则的原理 | 第35-39页 |
| 3.2.2 CTC准则与CE准则的区别 | 第39-40页 |
| 3.2.3 建模单元的选择 | 第40-41页 |
| 3.3 藏汉双语混合声学建模 | 第41-42页 |
| 3.4 实验 | 第42-47页 |
| 3.4.1 基于CTC技术的藏语声学建模 | 第42-44页 |
| 3.4.2 藏汉双语混合声学建模 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于多任务学习的藏语CTC声学建模 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 多任务学习简介 | 第49-51页 |
| 4.2.1 多任务学习的定义 | 第49-50页 |
| 4.2.2 多任务学习与迁移学习 | 第50页 |
| 4.2.3 多任务学习的有效性 | 第50-51页 |
| 4.3 多任务学习、端到端方法以及交叉熵方法混合训练 | 第51-53页 |
| 4.4 实验 | 第53-55页 |
| 4.5 本章小结 | 第55-58页 |
| 第5章 基于前馈序列记忆网络的藏语CTC声学建模加速 | 第58-68页 |
| 5.1 引言 | 第58-59页 |
| 5.2 FSMN-CTC声学模型 | 第59-63页 |
| 5.3 实验 | 第63-65页 |
| 5.4 本章小结 | 第65-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 后续相关工作 | 第69-70页 |
| 参考文献 | 第70-80页 |
| 致谢 | 第80-82页 |
| 在读期间发表的学术论文与取得的研究成果 | 第82页 |