解析深度学习语音识别实践 pdf下载

●译者序
序
前言
术语缩写
符号
1简介
1.1自动语音识别：更好的沟通之桥
1.1.1人类之间的交流
1.1.2人机交流
1.2语音识别系统的基本结构
1.3全书结构
1.3.1第一部分：传统声学模型
1.3.2第二部分：深度神经网络
1.3.3第三部分：语音识别中的DNN-HMM混合系统
1.3.4第四部分：深度神经网络中的表征学习
1.3.5第五部分：高级的深度模型
第一部分传统声学模型
2混合高斯模型
2.1随机变量
2.2高斯分布和混合高斯随机变量
2.3参数估计
2.4采用混合高斯分布对语音特征建模
3隐马尔可夫模型及其变体
3.1介绍
3.2马尔可夫链
3.3序列与模型
3.3.1隐马尔可夫模型的性质
3.3.2隐马尔可夫模型的仿真
3.3.3隐马尔可夫模型似然度的计算
3.3.4计算似然度的高效算法
3.3.5前向与后向递归式的证明
3.4期望优选化算法及其在学习HMM参数中的应用
3.4.1期望优选化算法介绍
3.4.2使用EM算法来学习HMM参数——Baum-Welch算法
3.5用于解码HMM状态序列的维特比算法
3.5.1动态规划和维特比算法
3.5.2用于解码HMM状态的动态规划算法
3.6隐马尔可夫模型和生成语音识别模型的变体
3.6.1用于语音识别的GMM-HMM模型
3.6.2基于轨迹和隐藏动态模型的语音建模和识别
3.6.3使用生成模型HMM及其变体解决语音识别问题
第二部分深度神经网络
4深度神经网络
5高级模型初始化技术
第三部分语音识别中的深度神经网络-隐马尔可夫混合模型
6深度神经网络-隐马尔可夫模型混合系统
7训练和解码的加速
8深度神经网络序列鉴别性训练
第四部分深度神经网络中的特征表示学习
9深度神经网络中的特征表示学习
10深度神经网络和混合高斯模型的融合
11深度神经网络的自适应技术
第五部分优选的深度学习模型
12深度神经网络中的表征共享和迁移
13循环神经网络及相关模型
14计算型网络
15总结及未来研究方向
参考文献