| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 语音识别相关基础知识 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 语音识别原理 | 第14-15页 |
| 2.3 语音识别系统 | 第15-26页 |
| 2.3.1 信号处理 | 第16-20页 |
| 2.3.2 声学模型 | 第20-24页 |
| 2.3.3 语言模型 | 第24-25页 |
| 2.3.4 发音词典与解码器 | 第25-26页 |
| 2.4 本章总结 | 第26-27页 |
| 第3章 深度神经网络理论 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 感知器结构和前馈神经网络 | 第27-29页 |
| 3.3 误差反向传播算法 | 第29-32页 |
| 3.4 BP算法的局限性与改进 | 第32-33页 |
| 3.5 循环神经网络结构及其前向反向传播算法 | 第33-36页 |
| 3.5.1 RNN模型结构 | 第33-34页 |
| 3.5.2 RNN前向传播算法 | 第34-35页 |
| 3.5.3 RNN反向传播算法 | 第35-36页 |
| 3.6 本章总结 | 第36-37页 |
| 第4章 基于自动编码器结构的声学特征提取 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 自动编码器理论 | 第37-40页 |
| 4.2.1 自动编码器结构 | 第37-38页 |
| 4.2.2 自动编码器的衍生模型 | 第38-40页 |
| 4.3 基于堆叠式压缩降噪自动编码器的特征提取方法 | 第40-44页 |
| 4.3.1 压缩降噪自动编码器 | 第41-42页 |
| 4.3.2 模型训练方法 | 第42-44页 |
| 4.4 仿真实验与结果分析 | 第44-48页 |
| 4.4.1 实验数据 | 第44页 |
| 4.4.2 参数设置 | 第44页 |
| 4.4.3 仿真实验结果与分析 | 第44-48页 |
| 4.5 本章总结 | 第48-49页 |
| 第5章 基于循环神经网络的端到端语音识别研究 | 第49-56页 |
| 5.1 引言 | 第49页 |
| 5.2 端到端语音识别系统 | 第49-51页 |
| 5.2.1 基于CTC的训练准则 | 第49-50页 |
| 5.2.2 基于注意力机制的训练准则 | 第50-51页 |
| 5.3 仿真实验与结果分析 | 第51-55页 |
| 5.3.1 实验网络设计 | 第51-53页 |
| 5.3.2 仿真实验结果与分析 | 第53-55页 |
| 5.4 本章总结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56页 |
| 6.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |