您好,欢迎来到聚文网。 登录 免费注册
人工智能 语音识别理解与实践

人工智能 语音识别理解与实践

  • 字数: 633600
  • 装帧: 精装
  • 出版社: 电子工业出版社
  • 作者: 俞栋 等
  • 出版日期: 2020-11-01
  • 商品条码: 9787121381430
  • 版次: 1
  • 开本: 16开
  • 页数: 556
  • 出版年份: 2020
定价:¥159 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书是全面且深入介绍语音识别及理解相关技术细节的专著。与我们在2014年出版的《解析深度学习:语音识别实践》相比,本书在它的基础上做了大量改写,并对内容有大幅补充,详细总结了近期新的语音识别算法及应用技术以及在口语对话系统研究中基于深度学习的自然语言处理技术。全书首先概要介绍语音识别、口语理解和人机对话的基本概念与理论:接着全面深入地依次详述传统声学模型、深层神经网络在语音识别中的应用及分析、优选深度学习模型在语音识别中的应用、高级语音识别方法、复杂场景下的语音识别、以及口语理解及对话系统的深度学习实践。书中涉及的所有算法及技术细节都有详尽的参考文献,提供了深度学习在语音识别和口语对话理解中的应用全景。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。
目录
第1章简介
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口语理解与人机对话系统
1.4全书结构
第Ⅰ部分传统声学模型
第2章混合高斯模型
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
第3章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期望优选化算法及其在学习HMM参数中的应用
3.4.1期望优选化算法介绍
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Ⅱ部分深层神经网络在语音识别中的应用及分析
第4章全连接深层神经网络
4.1全连接深层神经网络框架
4.2使用误差反向传播进行参数训练
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批规范化
……
第Ⅲ部分优选深度学习模型在语音识别中的应用
第Ⅳ部分高级语音识别方法
第Ⅴ部分复杂场景下的语音识别
第Ⅵ部分口语理解及对话系统的深度学习实践
第Ⅶ部分总结及展望
缩略词表
作者简介
参考文献

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网