学位论文 > 优秀研究生学位论文题录展示

面向汉语语音关键词检出的时间集成神经网络研究

作　者: 王殿胜
导　师: 李海峰
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 关键词检出时间集成网络熵误差反向传播算法
分类号: TP183
类　型: 硕士论文
年　份: 2007年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

作为语音识别领域的核心热点技术之一,关键词检出技术(KWS)近年来得到了长足的发展。虽然目前在语音识别领域隐马尔可夫模型(HMM)占主导地位,但就关键词检出技术而言,人工神经网络(ANN),以出色的判别能力、较小的计算量、更高的灵活度,成为重点研究的方向之一。本文研究了一种新型的神经网络—时间集成人工神经网络(TANN),并把它应用在汉语语音的关键词检出中。TANN通过时间集成和帧间集成两个步聚的时延和集成处理,把语音的时序性特征较好地表征出来,很好地解决了神经网络在处理时序分类问题上遭遇的困难,并且巧妙地回避了语音识别中的时间对正问题。本文引入了一种基于熵误差函数(EEF)新颖的网络训练算法,并辅之以增加动量项和变步长学习法等多种加速网络收敛算法。这种训练算法不但通过对样本进行多点学习,使网络适应关键词检出时的动态过程,还有效地加速了时间集成人工神经网络的收敛速度,使网络在学习过程中逃出部分误差曲面的局部极小点。在关键词检出的过程中,本文采用了TANN作为分类器。本文还提出一种多模板联合决策算法,这一算法借鉴了多分类器融合思想,改进了单一分类器在时间集成方面的不足,提高了检出正确率。基于TANN的关键词检出技术,检出正确率最高可达80%以上,并可满足实时应用要求,值得进一步的研究和探索。

全文目录

摘要  3-4
Abstract  4-7
第1章绪论  7-14
  1.1 研究的目的及意义  7-9
  1.2 相关工作的国内外研究现状  9-12
    1.2.1 关键词检出发展史  9
    1.2.2 关键词检出主要技术  9-10
    1.2.3 ANN 和TDNN  10-12
  1.3 本文的主要研究内容  12-14
第2章 TANN 原理  14-23
  2.1 时间集成  15-17
  2.2 帧间集成  17-19
  2.3 TANN 网络模型  19-22
    2.3.1 TANN 工作流程图  19-22
    2.3.2 网络结构选择  22
  2.4 本章小结  22-23
第3章网络学习训练及优化算法  23-34
  3.1 基于熵误差函数的网络学习算法  23-29
    3.1.1 BP 算法及熵误差函数  23-26
    3.1.2 多点学习算法  26-27
    3.1.3 基于熵误差的学习过程  27-29
  3.2 网络优化算法  29-33
    3.2.1 网络输入向量归整化  29-30
    3.2.2 网络权值初始化  30
    3.2.3 激活函数  30-31
    3.2.4 增加动量项  31
    3.2.5 变步长学习算法  31-33
  3.3 本章小结  33-34
第4章基于TANN 的关键词检出技术  34-41
  4.1 关键词检出系统组成  34-35
  4.2 特征提取  35
  4.3 TANN 分类器设计  35-39
    4.3.1 识别基元的选择  35-36
    4.3.2 多模板联合决策机制  36-38
    4.3.3 用于关键词检出的分类器设计  38-39
    4.3.4 音节结尾的确认  39
  4.4 分类器训练  39
  4.5 本章小结  39-41
第5章实验平台及实验结果分析  41-50
  5.1 实验语料  41
  5.2 实验系统设计  41-43
  5.3 实验结果分析  43-49
    5.3.1 TANN 时间集成参数讨论及结果  43-45
    5.3.2 网络收敛速度改进算法结果分析  45-47
    5.3.3 TANN 关键词检出结果分析  47-49
  5.4 本章小结  49-50
结论  50-52
参考文献  52-56
致谢  56

面向汉语语音关键词检出的时间集成神经网络研究

内容摘要

全文目录

相似论文