神经网络技术在语音识别领域的应用.pdfVIP

计算机先进控制技术作业 神经网络技术及其在语音识别领域的应用 苗峰（）浙江大学 机械电子工程专业 摘要：本文对神经网络技术以及语音识别技术的发展历程及基本原理做了概述，针对 传统语音识别技术的缺点，介绍不同神经网络技术分支在语音识别领域的应用和实现方式 并分析了各自的特点。 关键字：神经网络；语音识别；概述 1 神经网络技术概述 1.1 神经网络技术简介 人工神经网络（ Artificial Neural Networks ，简记作 ANN ），是对人类大脑系 统的一阶特性的一种描述， 属于人工智能研究的一种方法。 神经网络是一个由大 量简单的处理单元组成的高度复杂的大规模自适应系统， 人工神经网络是对人脑 功能作某种简化、抽象和模拟，是一个高度复杂的、非线性动力学系统，具有学 习、记忆、联想、归纳、概括和抽取、容错以及自学自适应的能力 [1] 。近年来 除在模式识别、 非线性动态处理及自动控制等领域显示出极强的生命力外， 在预 测、评价等方面也取得了很好的应用效果。 1.2 神经网络技术的发展历程 人工神经网络的发展始于本世纪 40 年代，经历了兴起、萧条和兴盛三个时 期。从 1943 年心理学家 McCulloch 和数学家 Pitts 提出著名的 M-1 模型到 50 年 代末 Rosenblatt提出感知机，从而将神经网络的研究应用于工程实践，形成了神 经网络第一次研究高潮，并在信号识别等领域取得了一定成绩。 60 年代初到 70 年代末，知识工程的出现给人工智能由实验室走向实用带来了希望， 同时微电子 技术的发展使得传统计算机的处理能力有很大提高， 但是神经网络方法由于拓扑 结构和算法上的局限性而处于相对停滞的阶段。到了 80 年代传统计算机及信息 处理方法在处理复杂问题过程特别是知识推理体系和人工智能中的表达、采集、 存取及推理中都遇到了严重的挑战，美国生物物理学家教授 J.J.Hopfield 于 1978 年和 1984 年发表在美国科学院院刊上的两篇文章提出了一种特殊的非线性动态 结构以解决优化问题， 标志着神经网络研究高潮的又一次到来。 八十年代以来神 经网络理论研究迅速发展， 各国学者提出了许多神经网络模型， 如 Hopfield 模型、 浙江大学 机械电子工程 2012 级硕士 苗峰（） 计算机先进控制技术作业 前向神经网络任 （EedForword NN)模型、Kohonen 自组织特征映射 (self-organizing Feature Mapping)模型、径向基 RBF(Radial Base Functi)网络以及以小波分析为基 础的小波神经网络等 [2] 。 神经网络的应用研究己遍及各个学科、领域，如信号处理、模式识别、知识 处理、市场分析、信用分析、医用诊断系统等。并与多种交叉学科结合解决现实 世界中的非量化问题， 如模糊神经网络己广泛应用于智能控制等领域， 生产管理 领域等。 1.3 神经网络技术的基本原理 人工神经网络实质上是描述了一个网络如何将其输入单元转化为输出单元 的数学计算过程。 一般地， 组成人工神经网络的要素主要