基于HMM 与神经网络的声学模型研究 | |
林坤辉 ; 息晓静 ; 周昌乐 | |
2006-01 | |
关键词 | HMM ANN 隐节点剪枝算法 广义Hebb 算法 |
英文摘要 | 神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符. 因此,采用HMM 和ANN 的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb 规则重新确定网络的参数. 实验表明,这种混合模型在语音识别中取得了良好的效果.; 厦门大学985 二期信息创新平台项目 |
语种 | 中文 |
出版者 | 厦门大学学报(自然科学版) |
内容类型 | 期刊论文 |
源URL | [http://dspace.xmu.edu.cn/handle/2288/8219] ![]() |
专题 | 信息技术-已发表论文 |
推荐引用方式 GB/T 7714 | 林坤辉,息晓静,周昌乐. 基于HMM 与神经网络的声学模型研究[J],2006. |
APA | 林坤辉,息晓静,&周昌乐.(2006).基于HMM 与神经网络的声学模型研究.. |
MLA | 林坤辉,et al."基于HMM 与神经网络的声学模型研究".(2006). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论