跳到主要內容

臺灣博碩士論文加值系統

(18.97.14.81) 您好!臺灣時間:2025/02/10 23:17
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:廖元甫
研究生(外文):Yuan-Fu Liao
論文名稱:使用遞迴神經網路做中文單字音辨認
論文名稱(外文):Isolated Mandarin Speech Recognition Using Recurrent Neural Network
指導教授:陳信宏陳信宏引用關係
指導教授(外文):Sin-Horng Chen
學位類別:碩士
校院名稱:國立交通大學
系所名稱:電信研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1993
畢業學年度:81
語文別:中文
中文關鍵詞:語音辨認遞迴神經網路廣義機率遞減法則
外文關鍵詞:Speech RecognitionRecurrent neural networkGeneralized
相關次數:
  • 被引用被引用:2
  • 點閱點閱:179
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
遞迴神經網路 (Recurrent Neural Network) 具有 "回饋 (feedback)"
與 " 馬可夫鏈 (markov chain)" 的特質,我們預期它能模擬語音信號的
連續動態變化, 並充份利用前後信號間的關聯性, 因此希望能將它應用
在中文語音辨認上。 所以我們在本論文中,首先探討訓練方法,說明傳
統方法在準則上,要設目標函數 (target function) 的缺陷, 與只能靠
經驗設計目標函數的困難,改而提出用廣義機率遞減法則
(Generalized Probabilistic Descent Algorithm) 當準則,利用競
爭方式自動學習,避開設目標函數的煩人問題,並得到較佳的效果。 最
後在聲母韻母兩段模型上, 以串列式 (sequential) 神經網路為基礎,
發展出並聯式 (shunt) 遞迴神經網路,純粹以類神經網路架構,同時做
到切音與加權,並使用 GPD 方法訓練成功,在辨認 54 個易混淆音上
, 獲得比隱藏式馬可夫模型法高 6%的辨認率 (73.54%) , 作為邁向大
字彙的初步嘗試。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top