人工智能出版工程人工智能(语音识别理解与实践)(精)

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*大化算法及其在学习HMM参数中的应用 3.4.1 期望*大化算法介绍 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 先进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