← 返回卡片

原书出处

智能算法导论

198 2 0 . 4 . 1 基 于 深 度 学 习 算 法 的 声 学 模 型

核验版本的摘录快照 · 导入于 2026-10-23T08:14:02.896Z

了语音的时序结构信息,对于状态的分类概率有了明显提升,同时DNN还具有强大环境学习能力,可以提升对噪声和口音的鲁棒性。

由于语音信号具有连续性,各个音素、音节、单词之间并没有具体的界限,各个发音单位还受到上下文的影响,因此可以将拥有更多历史信息的RNN应用于声学建模。但由于简单的RNN存在梯度爆炸和梯度消散等问题,难以训练,很难直接应用于声学建模中。

经过诸多学者的不断研究,开发出了许多能够适用于声学建模的RNN结构,其中最为著名的便是长短时记忆(Long Short-

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter20_0009.xhtml

EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d