| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 相关研究工作 | 第13-15页 |
| 1.2.1 语音识别发展历史和研究现状 | 第13-14页 |
| 1.2.2 蒙古语语音识别研究现状 | 第14-15页 |
| 1.3 论文主要研究内容及组织结构 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 组织结构 | 第15-17页 |
| 第二章 蒙古语语音识别原理 | 第17-31页 |
| 2.1 蒙古语语音识别系统结构 | 第17-18页 |
| 2.2 蒙古语语音特征提取 | 第18-19页 |
| 2.3 声学模型 | 第19-23页 |
| 2.3.1 基于GMM-HMM的声学模型 | 第19-21页 |
| 2.3.2 基于DNN-HMM的声学模型 | 第21-23页 |
| 2.4 词典与语言模型 | 第23-24页 |
| 2.5 解码器 | 第24-25页 |
| 2.6 蒙古语语音识别基线系统 | 第25-30页 |
| 2.6.1 前馈全连接神经网络 | 第25-27页 |
| 2.6.2 实验数据准备 | 第27-28页 |
| 2.6.3 蒙古语语音识别系统建立及评测 | 第28-29页 |
| 2.6.4 基线模型实验 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 基于TDNN-FSMN混合模型的声学建模 | 第31-45页 |
| 3.1 时延神经网络 | 第31-32页 |
| 3.1.1 TDNN网络结构 | 第31-32页 |
| 3.1.2 TDNN子采样 | 第32页 |
| 3.2 前馈序列记忆神经网络 | 第32-34页 |
| 3.3 链式模型 | 第34-36页 |
| 3.3.1 最大互信息区分性训练 | 第34-35页 |
| 3.3.2 去网格最大互信息训练 | 第35-36页 |
| 3.4 TDNN-FSMN混合模型 | 第36-38页 |
| 3.4.1 网络结构 | 第36-37页 |
| 3.4.2 模型分析 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-44页 |
| 3.5.1 TDNN模型实验 | 第39-40页 |
| 3.5.2 FSMN模型实验 | 第40-41页 |
| 3.5.3 链式模型实验 | 第41页 |
| 3.5.4 TDNN-FSMN模型实验 | 第41-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于AM-TDNN-LSTM混合模型的声学建模 | 第45-58页 |
| 4.1 长短时记忆神经网络 | 第45-47页 |
| 4.2 TDNN-LSTM混合模型 | 第47-48页 |
| 4.3 注意力机制 | 第48-50页 |
| 4.3.1 算法描述 | 第48-49页 |
| 4.3.2 自注意力机制 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-57页 |
| 4.4.1 LSTM模型实验 | 第51-52页 |
| 4.4.2 TDNN-LSTM模型实验 | 第52-54页 |
| 4.4.3 AM-TDNN-LSTM模型实验 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结及展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 后续工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表的学术论文 | 第65页 |