应用科技
應用科技
응용과기
YING YONG KE JI
2006年
6期
18-20,23
,共4页
语音识别%DRNN%自适应神经网络%聚类学习%HMM
語音識彆%DRNN%自適應神經網絡%聚類學習%HMM
어음식별%DRNN%자괄응신경망락%취류학습%HMM
介绍一种适用于实时语音识别环境下的神经网络模型--动态识别神经网络(dynamic recognition neural network,DRNN).DRNN聚类学习的性能使得它非常适用于与在线学习方式相结合的实时语音识别系统.通过比较DRNN和隐含马尔科夫模型(hidden Markov model,HMM),可以看到不论是在训练方面还是在识别方面,DRNN算法的计算复杂程度都要低于HMM算法.
介紹一種適用于實時語音識彆環境下的神經網絡模型--動態識彆神經網絡(dynamic recognition neural network,DRNN).DRNN聚類學習的性能使得它非常適用于與在線學習方式相結閤的實時語音識彆繫統.通過比較DRNN和隱含馬爾科伕模型(hidden Markov model,HMM),可以看到不論是在訓練方麵還是在識彆方麵,DRNN算法的計算複雜程度都要低于HMM算法.
개소일충괄용우실시어음식별배경하적신경망락모형--동태식별신경망락(dynamic recognition neural network,DRNN).DRNN취류학습적성능사득타비상괄용우여재선학습방식상결합적실시어음식별계통.통과비교DRNN화은함마이과부모형(hidden Markov model,HMM),가이간도불론시재훈련방면환시재식별방면,DRNN산법적계산복잡정도도요저우HMM산법.
