標題: 使用遞迴神經網路做中文單字音辨認
Isolated Mandarin Speech Recognition Using Recurrent Neural Network
作者: 廖元甫
Yuan-Fu Liao
陳信宏
Sin-Horng Chen
電信工程研究所
關鍵字: 語音辨認;遞迴神經網路;廣義機率遞減法則;Speech Recognition;Recurrent neural network; Generalized Probabilistic Descent Algorithm;
公開日期: 1992
摘要: 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。
URI: http://140.113.39.130/cdrfb3/record/nctu/#NT810436037
http://hdl.handle.net/11536/57021
顯示於類別:畢業論文