基于HMM和代數(shù)神經(jīng)網(wǎng)絡(luò)的連續(xù)語音識別研究.pdf

1、在當(dāng)今這個(gè)信息時(shí)代，隨著計(jì)算機(jī)技術(shù)突飛猛進(jìn)的發(fā)展，各種智能化機(jī)器也走進(jìn)了人們生產(chǎn)生活的各個(gè)方面，致使人們渴望與機(jī)器之間的交流能像人與人之間的交流一樣自然流暢。這種需求使語音識別越來越被關(guān)注，并有著廣闊的發(fā)展前景。有著廣泛社會效益和經(jīng)濟(jì)效益的語音識別技術(shù)的研究，雖然也取得了一定的成果，然而其在從實(shí)驗(yàn)室走向?qū)嵱没倪^程中還存在很多問題。人們?nèi)孕鑼φZ音識別的算法、理論進(jìn)行深入的研究，使語音識別系統(tǒng)能夠真正實(shí)用化。
　　 本文以提高連續(xù)

2、語音識別系統(tǒng)的識別率為目的，對語音識別理論基礎(chǔ)進(jìn)行全面研究，并將一種新型的前饋型神經(jīng)網(wǎng)絡(luò)算法-代數(shù)算法引用到語音識別中，對此學(xué)習(xí)算法進(jìn)行了深入地分析，通過仿真實(shí)驗(yàn)將代數(shù)神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對比，證明其各項(xiàng)性能都要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。在此基礎(chǔ)上，考慮到HMM有較強(qiáng)的時(shí)域建模能力，但分類能力差；而代數(shù)神經(jīng)網(wǎng)絡(luò)恰恰相反，其分類能力強(qiáng)，但對動態(tài)時(shí)間信號的描述能力卻不盡如人意的特點(diǎn)，將代數(shù)神經(jīng)網(wǎng)絡(luò)與隱馬爾可夫模型相結(jié)合，用代數(shù)神經(jīng)網(wǎng)