您当前的位置：首页 > 解析深度学习 语音识别实践 （美）俞栋，（美）邓力 著 2016年版 > 下载地址2
解析深度学习 语音识别实践 （美）俞栋，（美）邓力 著 2016年版
- 名 称：解析深度学习 语音识别实践 （美）俞栋，（美）邓力 著 2016年版 - 下载地址2
- 类 别：计算机与网络
- 下载地址：[下载地址2]
- 提 取 码：
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
解析深度学习 语音识别实践
作者：（美）俞栋，（美）邓力 著
出版时间：2016年版
内容简介
本书是首部介绍语音识别中深度学习技术细节的专著。全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括“深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。本书适合有一定机器学习或语音识别基础的学生、研究者或从业者阅读，所有的算法及技术细节都提供了详尽的参考文献，给出了深度学习在语音识别中应用的全景。
目录
作者及译者简介 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：深度神经网络中的特征表示学习 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期望最大化算法及其在学习HMM参数中的应用 3.4.1期望最大化算法介绍 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 4.1深度神经网络框架 4.2使用误差反向传播来进行参数训练 4.2.1训练准则 4.2.2训练算法 4.3实际应用 4.3.1数据预处理 4.3.2模型初始化 4.3.3权重衰减 4.3.4丢弃法 4.3.5批量块大小的选择 4.3.6取样随机化 4.3.7惯性系数 4.3.8学习率和停止准则 4.3.9网络结构 4.3.10可复现性与可重启性 5高级模型初始化技术 5.1受限玻尔兹曼机 5.1.1受限玻尔兹曼机的属性 5.1.2受限玻尔兹曼机参数学习 5.2深度置信网络预训练 5.3降噪自动编码器预训练 5.4鉴别性预训练 5.5混合预训练 5.6采用丢弃手法的预训练 第三部分语音识别中的深度神经网络一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 6.1DNN—HMM混合系统 6.1.1结构 6.1.2用CD—DNN—HMM解码 6.1.3CD—DNN—HMM训练过程 6.1.4上下文窗口的影响 6.2CD—DNN—HMM的关键模块及分析 6.2.1进行比较和分析的数据集和实验 6.2.2对单音素或者三音素的状态进行建模 6.2.3越深越好 6.2.4利用相邻的语音帧 6.2.5预训练 6.2.6训练数据的标注质量的影响 6.2.7调整转移概率 6.3基于KL距离的隐马尔可夫模型 7训练和解码的加速 7.1训练加速 7.1.1使用多GPU流水线反向传播 7.1.2异步随机梯度下降 7.1.3增广拉格朗日算法及乘子方向交替算法 7.1.4减小模型规模 7.1.5其他方法 7.2加速解码 7.2.1并行计算 7.2.2稀疏网络 7.2.3低秩近似 7.2.4用大尺寸DNN训练小尺寸DNN 7.2.5多帧DNN 8深度神经网络序列鉴别性训练 8.1序列鉴别性训练准则 8.1.1最大相互信息 8.1.2增强型MMI 8.1.3最小音素错误／状态级最小贝叶斯风险 8.1.4统一的公式 8.2具体实现中的考量 8.2.1词图产生 8.2.2词图补偿 8.2.3帧平滑 8.2.4学习率调整 8.2.5训练准则选择 8.2.6其他考量 8.3噪声对比估计 8.3.1将概率密度估计问题转换为二分类设计问题 8.3.2拓展到未归一化的模型 8.3.3在深度学习网络训练中应用噪声对比估计算法 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 9.1特征和分类器的联合学习 9.2特征层级 9.3使用随意输入特征的灵活性 9.4特征的鲁棒性 9.4.1对说话人变化的鲁棒性 9.4.2对环境变化的鲁棒性 9.5对环境的鲁棒性 9.5.1对噪声的鲁棒性 9.5.2对语速变化的鲁棒性 9.6缺乏严重信号失真情况下的推广能力 10深度神经网络和混合高斯模型的融合 10.1在GMM—HMM系统中使用由DNN衍生的特征 10.1.1使用Tandem和瓶颈特征的GMM—HMM模型 10.1.2DNN—HMM混合系统与采用深度特征的GMM—HMM系统的比较 10.2识别结果融合技术 10.2.1识别错误票选降低技术（ROVER） 10.2.2分段条件随机场（SCARF） 10.2.3最小贝叶斯风险词图融合 10.3帧级别的声学分数融合 10.4多流语音识别 11深度神经网络的自适应技术 11.1深度神经网络中的自适应问题 11.2线性变换 11.2.1线性输入网络 11.2.2线性输出网络 11.3线性隐层网络 11.4保守训练 11.4.1L2正则项 11.4.2KL距离正则项 11.4.3减少每个说话人的模型开销 11.5子空间方法 11.5.1通过主成分分析构建子空间 11.5.2噪声感知、说话人感知及设备感知训练 11.5.3张量 11.6DNN说话人自适应的效果 11.6.1基于KL距离的正则化方法 11.6.2说话人感知训练 …… 第五部分先进的深度学习模型 参考文献
作者：（美）俞栋，（美）邓力 著
出版时间：2016年版
内容简介
本书是首部介绍语音识别中深度学习技术细节的专著。全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括“深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。本书适合有一定机器学习或语音识别基础的学生、研究者或从业者阅读，所有的算法及技术细节都提供了详尽的参考文献，给出了深度学习在语音识别中应用的全景。
目录
作者及译者简介 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：深度神经网络中的特征表示学习 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期望最大化算法及其在学习HMM参数中的应用 3.4.1期望最大化算法介绍 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 4.1深度神经网络框架 4.2使用误差反向传播来进行参数训练 4.2.1训练准则 4.2.2训练算法 4.3实际应用 4.3.1数据预处理 4.3.2模型初始化 4.3.3权重衰减 4.3.4丢弃法 4.3.5批量块大小的选择 4.3.6取样随机化 4.3.7惯性系数 4.3.8学习率和停止准则 4.3.9网络结构 4.3.10可复现性与可重启性 5高级模型初始化技术 5.1受限玻尔兹曼机 5.1.1受限玻尔兹曼机的属性 5.1.2受限玻尔兹曼机参数学习 5.2深度置信网络预训练 5.3降噪自动编码器预训练 5.4鉴别性预训练 5.5混合预训练 5.6采用丢弃手法的预训练 第三部分语音识别中的深度神经网络一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 6.1DNN—HMM混合系统 6.1.1结构 6.1.2用CD—DNN—HMM解码 6.1.3CD—DNN—HMM训练过程 6.1.4上下文窗口的影响 6.2CD—DNN—HMM的关键模块及分析 6.2.1进行比较和分析的数据集和实验 6.2.2对单音素或者三音素的状态进行建模 6.2.3越深越好 6.2.4利用相邻的语音帧 6.2.5预训练 6.2.6训练数据的标注质量的影响 6.2.7调整转移概率 6.3基于KL距离的隐马尔可夫模型 7训练和解码的加速 7.1训练加速 7.1.1使用多GPU流水线反向传播 7.1.2异步随机梯度下降 7.1.3增广拉格朗日算法及乘子方向交替算法 7.1.4减小模型规模 7.1.5其他方法 7.2加速解码 7.2.1并行计算 7.2.2稀疏网络 7.2.3低秩近似 7.2.4用大尺寸DNN训练小尺寸DNN 7.2.5多帧DNN 8深度神经网络序列鉴别性训练 8.1序列鉴别性训练准则 8.1.1最大相互信息 8.1.2增强型MMI 8.1.3最小音素错误／状态级最小贝叶斯风险 8.1.4统一的公式 8.2具体实现中的考量 8.2.1词图产生 8.2.2词图补偿 8.2.3帧平滑 8.2.4学习率调整 8.2.5训练准则选择 8.2.6其他考量 8.3噪声对比估计 8.3.1将概率密度估计问题转换为二分类设计问题 8.3.2拓展到未归一化的模型 8.3.3在深度学习网络训练中应用噪声对比估计算法 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 9.1特征和分类器的联合学习 9.2特征层级 9.3使用随意输入特征的灵活性 9.4特征的鲁棒性 9.4.1对说话人变化的鲁棒性 9.4.2对环境变化的鲁棒性 9.5对环境的鲁棒性 9.5.1对噪声的鲁棒性 9.5.2对语速变化的鲁棒性 9.6缺乏严重信号失真情况下的推广能力 10深度神经网络和混合高斯模型的融合 10.1在GMM—HMM系统中使用由DNN衍生的特征 10.1.1使用Tandem和瓶颈特征的GMM—HMM模型 10.1.2DNN—HMM混合系统与采用深度特征的GMM—HMM系统的比较 10.2识别结果融合技术 10.2.1识别错误票选降低技术（ROVER） 10.2.2分段条件随机场（SCARF） 10.2.3最小贝叶斯风险词图融合 10.3帧级别的声学分数融合 10.4多流语音识别 11深度神经网络的自适应技术 11.1深度神经网络中的自适应问题 11.2线性变换 11.2.1线性输入网络 11.2.2线性输出网络 11.3线性隐层网络 11.4保守训练 11.4.1L2正则项 11.4.2KL距离正则项 11.4.3减少每个说话人的模型开销 11.5子空间方法 11.5.1通过主成分分析构建子空间 11.5.2噪声感知、说话人感知及设备感知训练 11.5.3张量 11.6DNN说话人自适应的效果 11.6.1基于KL距离的正则化方法 11.6.2说话人感知训练 …… 第五部分先进的深度学习模型 参考文献
