基于深度神经网络的口语理解方法研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究历史与现状 | 第9-11页 |
| 1.3 论文研究工作及章节安排 | 第11-12页 |
| 第二章 口语理解与深度神经网络 | 第12-27页 |
| 2.1 口语理解 | 第12-15页 |
| 2.1.1 口语理解的简述 | 第12-13页 |
| 2.1.2 条件随机场下的口语理解 | 第13-14页 |
| 2.1.3 口语理解的实验指标 | 第14-15页 |
| 2.2 深度神经网络 | 第15-21页 |
| 2.2.1 多层感知机 | 第15-16页 |
| 2.2.2 前向传播 | 第16-17页 |
| 2.2.3 神经网络输出层 | 第17-18页 |
| 2.2.4 目标函数 | 第18-19页 |
| 2.2.5 反向传播算法 | 第19-21页 |
| 2.3 循环神经网络 | 第21-24页 |
| 2.3.1 前向传输 | 第21-23页 |
| 2.3.2 反向传播 | 第23-24页 |
| 2.4 网络训练 | 第24-26页 |
| 2.4.1 梯度下降算法 | 第24-25页 |
| 2.4.2 泛化能力和学习率 | 第25-26页 |
| 2.4.3 初始化权值 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 循环神经网络的变体 | 第27-37页 |
| 3.1 LSTM基本原理 | 第28-32页 |
| 3.1.1 LSTM的结构 | 第28-30页 |
| 3.1.2 预处理和梯度计算 | 第30页 |
| 3.1.3 LSTM结构变化和提升 | 第30页 |
| 3.1.4 LSTM计算 | 第30-32页 |
| 3.2 LSTM的变体 | 第32-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 特征融合的RNN在口语理解中的实验 | 第37-49页 |
| 4.1 深度学习 | 第37-38页 |
| 4.1.1 深度学习的基本思想 | 第37-38页 |
| 4.1.2 深度学习的训练过程 | 第38页 |
| 4.2 深度循环神经网络 | 第38-43页 |
| 4.2.1 深度循环神经网络 | 第39页 |
| 4.2.2 特征融合的深度循环神经网络 | 第39-41页 |
| 4.2.3 特征融合的深度循环神经网络计算 | 第41-43页 |
| 4.3 口语理解的实验环境 | 第43-45页 |
| 4.3.1 实验环境 | 第43页 |
| 4.3.2 数据准备 | 第43-44页 |
| 4.3.3 评测指标 | 第44-45页 |
| 4.4 实验结果及分析 | 第45-48页 |
| 4.4.1 实验参数设置 | 第45页 |
| 4.4.2 循环神经网络的实验结果与分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56-57页 |
