Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 廖元甫 | en_US |
dc.contributor.author | Yuan-Fu Liao | en_US |
dc.contributor.author | 陳信宏 | en_US |
dc.contributor.author | Sin-Horng Chen | en_US |
dc.date.accessioned | 2014-12-12T02:10:50Z | - |
dc.date.available | 2014-12-12T02:10:50Z | - |
dc.date.issued | 1992 | en_US |
dc.identifier.uri | http://140.113.39.130/cdrfb3/record/nctu/#NT810436037 | en_US |
dc.identifier.uri | http://hdl.handle.net/11536/57021 | - |
dc.description.abstract | 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。 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.subject | 語音辨認;遞迴神經網路;廣義機率遞減法則 | zh_TW |
dc.subject | Speech Recognition;Recurrent neural network; Generalized Probabilistic Descent Algorithm; | en_US |
dc.title | 使用遞迴神經網路做中文單字音辨認 | zh_TW |
dc.title | Isolated Mandarin Speech Recognition Using Recurrent Neural Network | en_US |
dc.type | Thesis | en_US |
dc.contributor.department | 電信工程研究所 | zh_TW |
Appears in Collections: | Thesis |