基于LSTM-RNN的语音识别声学模型研究.docxVIP

下载本文档

4
0
约2.74万字
约 33页
2023-11-16 发布于广东
举报
版权申诉

基于LSTM-RNN的语音识别声学模型研究.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：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

基于LSTM-RNN的语音识别声学模型研究摘要循环神经网络是一种以序列数据为输入，在序列的演进方向中执行递归，并且所有网络上的节点（循环单元）按链式连接的递归神经网络。循环神经网络的研究，开始于二十世纪80至90年代，并在二十一世纪初发展为不可获取的深度学习算法，其中双向循环神经网络和长短期记忆网络最为常见，贡献最大。本文主要介绍长短期记忆网络——LSTM. 循环神经网络具有记忆性、参数共享的特点，并且图灵完备，因此能对序列的非线性特征进行高效率的学习。循环神经网络在自然语言处理，例如语言建模、语音识别、机器翻译等领域有重要应用，也被用于各类时间序列的预测或与卷积神经网络相结合依次处理