基于覆蓋型神經(jīng)網(wǎng)絡(luò)集成的語音識(shí)別研究.pdf

1、語言是人類交流最重要的工具之一。隨著電子計(jì)算機(jī)的不斷應(yīng)用與發(fā)展以及人工智能的不斷進(jìn)步與完善，人們越來越希望讓機(jī)器能夠理解人類的自然語言，這種需求使得語音識(shí)別技術(shù)有著十分廣闊的發(fā)展前景。語音識(shí)別正逐步成為信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，它使人們能夠甩掉鍵盤，通過語音命令進(jìn)行操作。然而語音識(shí)別在實(shí)現(xiàn)過程中通常涉及多種因素，需要同時(shí)考慮，并且它作為一門交叉學(xué)科，涉及到了信號(hào)處理、模式識(shí)別、人工智能、計(jì)算機(jī)科學(xué)、語言學(xué)和認(rèn)知科學(xué)等眾多學(xué)科，所以語

2、音識(shí)別距離理想目標(biāo)仍有很大距離，相關(guān)的技術(shù)難關(guān)還有待克服。
　　 文中對語音識(shí)別的主要過程進(jìn)行了詳細(xì)的介紹。語音識(shí)別首先對輸入的語音信號(hào)必須進(jìn)行預(yù)處理，以保證系統(tǒng)獲得一個(gè)比較理想的處理對象。在語音的特征參數(shù)提取階段，文中介紹了在實(shí)際應(yīng)用中常用到的特征參數(shù)：線性預(yù)測倒譜參數(shù)(LPCC)、Mel頻率倒譜參數(shù)(MFCC)等。在識(shí)別階段，介紹了基于矢量量化的識(shí)別技術(shù)、動(dòng)態(tài)時(shí)間歸整的識(shí)別技術(shù)(DTW)、隱馬爾可夫模型技術(shù)(HMM)等常用技

3、術(shù)，其中重點(diǎn)介紹了神經(jīng)網(wǎng)絡(luò)技術(shù)。
　　 神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)系統(tǒng)的信息處理模型，在聯(lián)想記憶、非線性映射、分類與識(shí)別、優(yōu)化計(jì)算、知識(shí)處理等方面都有著廣泛的應(yīng)用，在語音識(shí)別這種大規(guī)模的模式識(shí)別問題也上表現(xiàn)出了一定的潛力。但是，單個(gè)神經(jīng)網(wǎng)絡(luò)的泛化能力在解決這種大規(guī)模的模式識(shí)別問題時(shí)還不夠理想。
　　 神經(jīng)網(wǎng)絡(luò)球領(lǐng)域模型，是一種將神經(jīng)網(wǎng)絡(luò)的訓(xùn)練轉(zhuǎn)化為n+1維超球面上的點(diǎn)集覆蓋問題的神經(jīng)網(wǎng)絡(luò)模型，有明顯的幾何意義。神經(jīng)網(wǎng)絡(luò)集

4、成通過訓(xùn)練多個(gè)神經(jīng)網(wǎng)絡(luò)并將各網(wǎng)絡(luò)的結(jié)論進(jìn)行合成，從而得到最終結(jié)果。集成可以顯著的提高學(xué)習(xí)系統(tǒng)的泛化能力。本文利用球領(lǐng)域模型的幾何意義分析了該模型的誤差產(chǎn)生原因，提出了基于覆蓋思想而設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)集成方法，在集成過程中利用球領(lǐng)域模型的幾何意義給出減少集成系統(tǒng)的泛化誤差的算法，從而使系統(tǒng)的識(shí)別效果有了進(jìn)一步的提高。
　　 文中最后對漢語語音識(shí)別進(jìn)行了實(shí)驗(yàn)，將單個(gè)基于覆蓋的神經(jīng)網(wǎng)絡(luò)識(shí)別、Bagging神經(jīng)網(wǎng)絡(luò)集成以及基于覆蓋的神經(jīng)網(wǎng)絡(luò)