10.3321/j.issn:1002-8331.2006.11.021
语音识别关键技术研究
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.
HMM、ANN、非参数概率模型、BP
42
TP391.4(计算技术、计算机技术)
厦门大学校科研和教改项目
2006-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
66-69,115