《人工智能 語音識別理解與實(shí)踐》讀書筆記思維導(dǎo)圖

思維導(dǎo)圖PPT模板《人工智能語音識別理解與實(shí)踐》最新版讀書筆記，下載可以直接修改神經(jīng)網(wǎng)絡(luò)語音深度技術(shù)模型訓(xùn)練第章系統(tǒng)特征算法學(xué)習(xí)信號混合隱馬爾可夫序列狀態(tài)口語鑒別對話本書關(guān)鍵字分析思維導(dǎo)圖01內(nèi)容簡介獻(xiàn)辭第1章簡介人工智能出版工程叢書編委會符號第I部分傳統(tǒng)聲學(xué)模型目錄030502040607第II部分深層神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)...第IV部分高級語音識別方法第III部分先進(jìn)深度學(xué)習(xí)模型在語音識別...第V部分復(fù)雜場景下的語音識別目錄0908010011第VI部分口語理解及對話系統(tǒng)的深度學(xué)習(xí)...縮略詞表第VII部分總結(jié)及展望參考文獻(xiàn)目錄013012014內(nèi)容摘要全書首先概要介紹了傳統(tǒng)語音識別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語音識別中的應(yīng)用，包括“深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進(jìn)深度學(xué)習(xí)技術(shù)。內(nèi)容簡介人工智能出版工程叢書編委會獻(xiàn)辭符號第1章簡介1.1自動語音識別：更好的溝通之橋1.2語音識別系統(tǒng)的基本結(jié)構(gòu)1.3口語理解與人機(jī)對話系統(tǒng)1.4全書結(jié)構(gòu)第1章簡介第I部分傳統(tǒng)聲學(xué)模型第3章隱馬爾可夫模型及其變體第2章混合高斯模型第I部分傳統(tǒng)聲學(xué)模型2.1隨機(jī)變量2.2高斯分布和混合高斯隨機(jī)變量2.3參數(shù)估計2.4采用混合高斯分布對語音特征建模第2章混合高斯模型3.1介紹3.2馬爾可夫鏈3.3序列與模型3.4期望最大化算法及其在學(xué)習(xí)HMM參...3.5用于解碼HMM狀態(tài)序列的維特比算...3.6隱馬爾可夫模型和生成語音識別模型...010302040506第3章隱馬爾可夫模型及其變體第II部分深層神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)...第4章全連接深層神經(jīng)網(wǎng)絡(luò)第5章高級模型初始化技術(shù)第6章深層神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫模型混合...第7章訓(xùn)練加速和解碼加速第II部分深層神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)...第8章深層神經(jīng)網(wǎng)絡(luò)中的特征表示學(xué)習(xí)第10章VAD和喚醒詞識別第9章深層神經(jīng)網(wǎng)絡(luò)和混合高斯模型的融合第II部分深層神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)...4.1全連接深層神經(jīng)網(wǎng)絡(luò)框架4.3實(shí)際應(yīng)用4.2使用誤差反向傳播進(jìn)行參數(shù)訓(xùn)練第4章全連接深層神經(jīng)網(wǎng)絡(luò)5.1受限玻爾茲曼機(jī)5.2深度置信網(wǎng)絡(luò)預(yù)訓(xùn)練5.3降噪自動編碼器預(yù)訓(xùn)練5.4鑒別性預(yù)訓(xùn)練5.5混合預(yù)訓(xùn)練5.6采用丟棄法的預(yù)訓(xùn)練010302040506第5章高級模型初始化技術(shù)6.1DNN-HMM混合系統(tǒng)6.3基于KL距離的隱馬爾可夫模型6.2CD-DNN-HMM的關(guān)鍵模塊及...第6章深層神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫模型混合...7.2解碼加速7.1訓(xùn)練加速第7章訓(xùn)練加速和解碼加速8.1特征和分類器的聯(lián)合學(xué)習(xí)8.2特征層級8.3使用隨意輸入特征的靈活性8.4特征的魯棒性第8章深層神經(jīng)網(wǎng)絡(luò)中的特征表示學(xué)習(xí)8.5對環(huán)境的魯棒性8.7使用合成數(shù)據(jù)提升魯棒性8.6信號嚴(yán)重失真情況下的推廣能力第8章深層神經(jīng)網(wǎng)絡(luò)中的特征表示學(xué)習(xí)9.1在GMM-HMM系統(tǒng)中使用由DN...9.2識別結(jié)果融合技術(shù)9.3幀級別的聲學(xué)分?jǐn)?shù)融合9.4多流語音識別第9章深層神經(jīng)網(wǎng)絡(luò)和混合高斯模型的融合10.1基于信號處理的VAD10.2基于DNN的VAD10.3喚醒詞識別的解碼器方案10.4只用DNN的喚醒詞識別第10章VAD和喚醒詞識別10.5可定制的喚醒詞識別10.7喚醒詞識別的位置10.6多階段喚醒詞識別第10章VAD和喚醒詞識別第III部分先進(jìn)深度學(xué)習(xí)模型在語音識別...第11章卷積神經(jīng)網(wǎng)絡(luò)第13章基于深度學(xué)習(xí)的語言模型第12章循環(huán)神經(jīng)網(wǎng)絡(luò)及相關(guān)模型第III部分先進(jìn)深度學(xué)習(xí)模型在語音識別...11.1概述11.2卷積神經(jīng)網(wǎng)絡(luò)的基本架構(gòu)11.3卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練11.4時間延遲神經(jīng)網(wǎng)絡(luò)第11章卷積神經(jīng)網(wǎng)絡(luò)11.5時頻域上的卷積11.7深層卷積神經(jīng)網(wǎng)絡(luò)11.6時域上的卷積第11章卷積神經(jīng)網(wǎng)絡(luò)12.1概述12.2基本循環(huán)神經(jīng)網(wǎng)絡(luò)中的狀態(tài)-空間...12.3沿時反向傳播學(xué)習(xí)算法12.4一種用于學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)的原始...12.5結(jié)合長短時記憶單元的循環(huán)神經(jīng)網(wǎng)...12.6高速公路LSTM和網(wǎng)格LSTM010302040506第12章循環(huán)神經(jīng)網(wǎng)絡(luò)及相關(guān)模型12.7雙向LSTM12.8GRU循環(huán)神經(jīng)網(wǎng)絡(luò)12.9循環(huán)神經(jīng)網(wǎng)絡(luò)的對比分析12.10討論第12章循環(huán)神經(jīng)網(wǎng)絡(luò)及相關(guān)模型13.1統(tǒng)計語言模型簡介13.2DNN語言模型13.3RNN和LSTM語言模型13.4CNN語言模型第13章基于深度學(xué)習(xí)的語言模型13.5語言模型的建模單元13.6雙向語言模型13.7深度學(xué)習(xí)語言模型的使用13.8語言模型與聲學(xué)模型的聯(lián)合優(yōu)化第13章基于深度學(xué)習(xí)的語言模型第IV部分高級語音識別方法第14章深層神經(jīng)網(wǎng)絡(luò)的自適應(yīng)技術(shù)第16章端到端模型第15章深層神經(jīng)網(wǎng)絡(luò)序列鑒別性訓(xùn)練第IV部分高級語音識別方法14.1深層神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)問題14.2線性變換14.3保守訓(xùn)練14.4子空間方法14.5DNN說話人自適應(yīng)的效果12345第14章深層神經(jīng)網(wǎng)絡(luò)的自適應(yīng)技術(shù)15.1序列鑒別性訓(xùn)練準(zhǔn)則15.2具體實(shí)現(xiàn)中的考量15.3無須詞圖的神經(jīng)網(wǎng)絡(luò)序列鑒別性訓(xùn)...15.4噪聲對比估計第15章深層神經(jīng)網(wǎng)絡(luò)序列鑒別性訓(xùn)練16.1連接時序分類模型16.3聯(lián)合CTC-注意力模型16.2帶注意力機(jī)制的“編碼-解碼”模...第16章端到端模型第V部分復(fù)雜場景下的語音識別第17章深層神經(jīng)網(wǎng)絡(luò)中的表征共享和遷移第19章遠(yuǎn)場語音識別的前端技術(shù)第18章基于深度學(xué)習(xí)的單通道語音增強(qiáng)和...第V部分復(fù)雜場景下的語音識別17.1多任務(wù)和遷移學(xué)習(xí)17.2多語言和跨語言語音識別17.3語音識別中深層神經(jīng)網(wǎng)絡(luò)的多目標(biāo)...17.4使用視聽信息的魯棒語音識別第17章深層神經(jīng)網(wǎng)絡(luò)中的表征共享和遷移18.1單通道語音增強(qiáng)技術(shù)18.2單通道多說話人的語音分離和標(biāo)注...18.3深度聚類18.4深度吸引子第18章基于深度學(xué)習(xí)的單通道語音增強(qiáng)和...18.5排列不變性訓(xùn)練18.7時域音頻分離網(wǎng)絡(luò)18.6將排列不變性訓(xùn)練用于多說話人語...第18章基于深度學(xué)習(xí)的單通道語音增強(qiáng)和...19.1遠(yuǎn)場識別的前端鏈路19.2DOA算法19.3波束形成的信號處理方法19.4結(jié)合信號處理和深度學(xué)習(xí)方法19.5前后端聯(lián)合優(yōu)化12345第19章遠(yuǎn)場語音識別的前端技術(shù)第VI部分口語理解及對話系統(tǒng)的深度學(xué)習(xí)...第20章基于深度學(xué)習(xí)的口語理解第22章對話策略優(yōu)化第21章對話狀態(tài)跟蹤及自然語言生成第VI部分口語理解及對話系統(tǒng)的深度學(xué)習(xí)...20.1自然語言處理及深度學(xué)習(xí)20.3基于深度學(xué)習(xí)的口語理解20.2口語理解任務(wù)第20章基于深度學(xué)習(xí)的口語理解21.1口語對話系統(tǒng)概述21.3自然語言生成