声学模型的区分性训练比较和并行化分析-comparison of differentiated training and parallelization analysis of acoustic models.docxVIP

下载本文档

39
0
约3.74万字
约 69页
2018-08-01 发布于上海
举报
版权申诉

声学模型的区分性训练比较和并行化分析-comparison of differentiated training and parallelization analysis of acoustic models.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

声学模型的区分性训练比较和并行化分析-comparison of differentiated training and parallelization analysis of acoustic models

摘要语音识别的研究近年来得到飞速发展，现在不断的语音产品应用到我们的日常生活中。在这背后是语音技术的突飞猛进，特别是区分性训练的研究，它应用到大词汇量连续语音中可以有效的提高系统的识别性能，更是成为新的研究热点。本文首先介绍了语音识别的发展历史，在发展过程中经历的主要阶段，接着介绍语音识别系统的主要构成，并对它们做详细介绍。其次，引入基于HMM所建立的声学模型，以及应用到语音识别中所要解决的三个基本问题，提出相关的三个解决问题的算法。然后，详细介绍了常见的区分性训练方法，首先介绍了最大似然估计方法，通过贝叶斯决策准则引出区分性训练，通过优化不同的部分得到MMIE、MCE和MPE/MWE这几种区分性训练方法，还有一些常见的区分性训练算法，接着分析比较这几种区分性训练的特点，最后在HTK平台上进行相应的语音实验。最后，介绍关于区分性训练的并行化问题，提出一种新的针对区分性训练的并行算法，通过实验可以得知，在训练中加入这种算法后，在不影响识别结果的同时，能够有效的减少训练所需要的时间。关键词：自动语音识别;HMM声学模型;区分性训练;并行算法；HTKAbstractResearchontheAutomaticSpeechRecognitionhasbeenrapiddevelopmentinrecentyears.Moreandmorevoiceproductsareconstantlyappliedinourdailylife,allofwhicharebasedontheadvanceofvoicetechnology,especiallytheresearchofthediscriminativetraining.Itcaneffectivelyimprovetherecognitionperformanceofthesystemwhenitisappliedtovoicecontinuousspeechrecognitionsystem.IthasbecomeanewhotspotintheASRfieldinrecentyears.Thisarticlefirstintroducesthedevelopmenthistoryofspeechrecognitionandthemainstagesintheprocessofdevelopment,andthenintroducestheprincipalcompositionsofthespeechrecognitionsystem,whichweshowthedetailedintro-duction.Secondly,weintroducetheacousticmodelbasedonHMM,andthethreebasicquestionsneedtobesolvedwhenappliedtothespeechrecognition.Weshowhowtousesomealgorithmstosolvetherelevantproblemsofthespeechrecognition.Thirdly,weintroducethemethodsofthediscriminativetrainingwhichiscom-monly.Atfirst,weintroducedtheMaximumLikelihoodEstimation(MLE)method,andthroughtheBayesianDecisionRuletoelicitthediscriminativetraining.Byoptimizingthedifferentparts,wecanobtainthedifferentdiscriminativetrainingmethods,e.g.MMIE,MCE,MPE/MWE,andsomeotherthecommonlytrain-ingalgorithms.Andthenwecomparethetraitsofthesediscriminativetrainingmethods.Atlast,weoperatephoneticexperimentonHTKplatform.Finally,weintroducetheparallelizationofthediscriminatetraining,andputforwardanewparallelalgorithmaboutit.Fromthelastexperiment,wefindthat,thealgorithmcanreducethetrainingtimeeffectivelywithoutaffectingtherecogni-tionresultswhenitiscombinedwithdisc