语音识别关键技术研究

• 作者: 周昌乐 息晓静 林坤辉 蔡骏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: HMM ANN 非参数概率模型 BP
• 年，卷（期）: 2006,（11）
• 所属期刊栏目: 学术探讨
• 页码范围: 66-69,115
• 页数: 5页
• 分类号: TP391.4
• 字数: 6331字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.11.021

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周昌乐	厦门大学软件学院	148	1475	22.0	30.0
2	林坤辉	厦门大学软件学院	24	240	8.0	15.0
3	蔡骏	厦门大学软件学院	9	123	4.0	9.0
4	息晓静	厦门大学软件学院	2	83	2.0	2.0