计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2006年
11期
66-69,115
,共5页
息晓静%林坤辉%周昌乐%蔡骏
息曉靜%林坤輝%週昌樂%蔡駿
식효정%림곤휘%주창악%채준
HMM%ANN%非参数概率模型%BP
HMM%ANN%非參數概率模型%BP
HMM%ANN%비삼수개솔모형%BP
采用隐马尔可夫模型(HMM)进行语音声学建模是大词汇连续语音识别取得突破性进展最主要的原因之一,HMM本身依赖的某些不合理建模假设和不具有区分性的训练算法正在成为制约语音识别系统未来发展的瓶颈.神经网络依靠权能够进行长时间记忆和知识存储,但对于输入模式的瞬时响应的记忆能力比较差.采用混合HMM/ANN模型对HMM的一些不尽合理的建模假设和训练算法进行了革新.混合模型用神经网络非参数概率模型代替高斯混合器(GM)计算HMM的状态所需要的观测概率.另外对神经网络的结构进行了优化,取得了很好的效果.
採用隱馬爾可伕模型(HMM)進行語音聲學建模是大詞彙連續語音識彆取得突破性進展最主要的原因之一,HMM本身依賴的某些不閤理建模假設和不具有區分性的訓練算法正在成為製約語音識彆繫統未來髮展的瓶頸.神經網絡依靠權能夠進行長時間記憶和知識存儲,但對于輸入模式的瞬時響應的記憶能力比較差.採用混閤HMM/ANN模型對HMM的一些不儘閤理的建模假設和訓練算法進行瞭革新.混閤模型用神經網絡非參數概率模型代替高斯混閤器(GM)計算HMM的狀態所需要的觀測概率.另外對神經網絡的結構進行瞭優化,取得瞭很好的效果.
채용은마이가부모형(HMM)진행어음성학건모시대사회련속어음식별취득돌파성진전최주요적원인지일,HMM본신의뢰적모사불합리건모가설화불구유구분성적훈련산법정재성위제약어음식별계통미래발전적병경.신경망락의고권능구진행장시간기억화지식존저,단대우수입모식적순시향응적기억능력비교차.채용혼합HMM/ANN모형대HMM적일사불진합리적건모가설화훈련산법진행료혁신.혼합모형용신경망락비삼수개솔모형대체고사혼합기(GM)계산HMM적상태소수요적관측개솔.령외대신경망락적결구진행료우화,취득료흔호적효과.
