基于HMM和代數(shù)神經(jīng)網(wǎng)絡的連續(xù)語音識別研究.pdf

1、在當今這個信息時代，隨著計算機技術突飛猛進的發(fā)展，各種智能化機器也走進了人們生產(chǎn)生活的各個方面，致使人們渴望與機器之間的交流能像人與人之間的交流一樣自然流暢。這種需求使語音識別越來越被關注，并有著廣闊的發(fā)展前景。有著廣泛社會效益和經(jīng)濟效益的語音識別技術的研究，雖然也取得了一定的成果，然而其在從實驗室走向?qū)嵱没倪^程中還存在很多問題。人們?nèi)孕鑼φZ音識別的算法、理論進行深入的研究，使語音識別系統(tǒng)能夠真正實用化。
　　 本文以提高連續(xù)

2、語音識別系統(tǒng)的識別率為目的，對語音識別理論基礎進行全面研究，并將一種新型的前饋型神經(jīng)網(wǎng)絡算法-代數(shù)算法引用到語音識別中，對此學習算法進行了深入地分析，通過仿真實驗將代數(shù)神經(jīng)網(wǎng)絡與傳統(tǒng)的BP神經(jīng)網(wǎng)絡算法進行對比，證明其各項性能都要優(yōu)于BP神經(jīng)網(wǎng)絡。在此基礎上，考慮到HMM有較強的時域建模能力，但分類能力差；而代數(shù)神經(jīng)網(wǎng)絡恰恰相反，其分類能力強，但對動態(tài)時間信號的描述能力卻不盡如人意的特點，將代數(shù)神經(jīng)網(wǎng)絡與隱馬爾可夫模型相結合，用代數(shù)神經(jīng)網(wǎng)