| 面向语音识别的神经网络新模型研究 |
| 俞栋
|
| 1994-05-01
|
| 学位类型 | 工学硕士
|
| 中文摘要 | 由于具有分辨力和泛化能力强的特点，人工神经元网络方法 自提出以来就被引入到语音识别领域并取得了一定的成果。但 是，经典的神经网络，尤其是多层感知器，多是静态网络，它们 具有很强的静态分类能力却难以很好地处理时变信号，因此，将 神经网络直接应用于语音识别就有一定困难。 本文在分析比较了现有的各种用于语音识别的神经网络结构 和算法后，针对经典神经网络的弱点，提出了一系列新结构和新 算法。其中有溶时间规整于神经网络自身的自规整神经网络，有 BP预规整的时间延迟神经网络，有HMM／NN混合的多状态神经网 络。为了解决神经网络的训练速度问题，本文在分析比较了函数 型连接神经网络，改进的Scaled共轭梯度法等方法之后，最终提出 了高斯型竞争神经网络。本文在综合上述新方法和新算法的优缺 点后构造了多状态高斯型竞争神经网络，该网络能处理时间序列 ，且具有训练时间少，识别率高的优点。 我们最后建立了一个基于多状态高斯型竞争神经网络的汉语 全音节识别系统。通过对计算量、计算复杂度、系统存储量、训 练所需数据量等方面的考虑和权衡，在全音节识别系统中，我们 采用了声韵母分开识别预选，而后音节合并识别的策略，引入 了过渡段识别作为声韵连接的媒介，取得了全音节平均识别率 89．26％的好结果。 |
| 语种 | 中文
|
| 文献类型 | 学位论文
|
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/7104
|
| 专题 | 毕业生_硕士学位论文
|
推荐引用方式
GB/T 7714 |
俞栋. 面向语音识别的神经网络新模型研究[D]. 中国科学院自动化研究所. 中国科学院自动化研究所,1994.
|
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论