-
7
- 上一篇：LabVIEW的语音特征提取+MATLAB代码
- 下一篇：LabVIEW+MSP430便捷式机械设备故障诊断分析仪设计+电路图
2.5 传统语音识别技术的缺陷 8
3 Deep Learning 基础理论 10
3.1 Deep Learning 背景 10
3.2 Deep Learning 主要特点 10
3.3 Deep Learning 模型类别 11
3.4 Deep Learning 模型基本组成 12
3.5 Deep Llearning 关键技术 16
4 基于 Deep Learning 的语音识别提取 18
4.1 实验语音库 18
4.2 基于深度理论的编码器类型 19
4.3 特征预处理 20
4.4 相关改进算法 20
4.5 计算算法 24
5 总结与展望 26
参考文献 27
致 谢 29
图清单
图序号 图名称 页码
图 1-1 语音识别的研究现状 2
图 3-1 Deep Learning 的主要特点 10
图 3-2 网络的节点模型 12
图 3-3 自动的编码器和深度的神经网络模型 13
图 3-4 RBM 的模型网络结构 14
图 3-5 Gibbs 采样过程 16
图 4-1 语音数字语音图 18
图 4-2 网络串行训练流程 21
图 4-3 网络并行训练流程 22
图 4-4 深度神经网络的模型 23
表清单
表序号 表名称 页码
表 3-1 Deep Learning 的模型分类 11
表 4-1 利用并行化和非并行化训练的实验对比 23
1 绪论
1.1 Deep Learning 对语音识别的意义
在人类普通的日常生活里面，语音是我们人和人信息交换和沟通的桥梁，是 我们生活里罪普遍的手段。语音的沟通交流简单方便实时有效，在人类社会中是 必不可少的生存工具。进入这信息化的 21 世纪，伴随着计算机网络的飞速发展 以及普及，人类和计算机的交流愈发频繁，我们生活息息相关的电子设备层出不 穷，比方说我们的电脑，更新换代特别快，智能手机也占领了我们的生活。从这 些因素考虑，如果我们能设计一种可以读懂人心思或者听懂人话的只能设备，就 一定能相当大程度上给我们飞速发展的今天推动更上一层楼的智能进步和发展 的。论文网