類神經(jīng)網(wǎng)路介紹(編輯修改稿)
2024-10-22 19:38 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 也不可能完全相同，因此如何把語(yǔ)音做正確的歸類，異中求同，就是問(wèn)題所在。一般常見(jiàn)的作法是（事先或現(xiàn)場(chǎng)） 蒐集足夠的語(yǔ)音樣本 ，經(jīng)過(guò)抽取適當(dāng)?shù)恼Z(yǔ)音特徵（ feature extracion） 之後，透過(guò) 訓(xùn)練程序（ training procedure） ，建立 參考聲學(xué)模型（ acoustic model） 所需的參數(shù)。而在使用者辨識(shí)的階段，將 輸入的語(yǔ)音樣本抽取語(yǔ)音特徵 之後，和辨識(shí)字彙中的 參考聲學(xué)模型比對(duì) ，找出最接近的字彙，即為辨識(shí)結(jié)果?？此坪?jiǎn)單，其實(shí)各步驟均有許多變化，尤其是聲學(xué)模型比對(duì)步驟的兩大問(wèn)題：時(shí)序校準(zhǔn)（ time alignment）及參數(shù)模型比對(duì)。 ? 時(shí)序校準(zhǔn) 在於找出正確的聲學(xué)單位（如詞、音節(jié)、次音節(jié)、聲韻母、音素等）的起點(diǎn)跟終點(diǎn)，在連續(xù)音的情況下問(wèn)題更為嚴(yán)重；這也是為什麼單字音比連音詞容易辨識(shí)，而連音詞又比整句連續(xù)語(yǔ)音容易辨識(shí)的主要原因。 參數(shù)模型比對(duì) 則在以什麼參數(shù)、多少參數(shù)建構(gòu)參考模型 :可以是語(yǔ)音原始樣本，也可以是語(yǔ)音特徵樣本，但更多的是離散（ discrete ）或連續(xù)密度的（ continuous density）機(jī)率分佈模型。 ? 聲 學(xué)模型作法可大致分為下列幾種： (1) 語(yǔ)音模版 (template)法 –適用於小字彙、特定語(yǔ)者的應(yīng)用； (2)動(dòng)態(tài)時(shí)間校準(zhǔn) (Dynamic Time Warping) ； (3)隱馬可夫模型 (HMM,Hidden Markov Model) ：又可細(xì)分為利用向量量化 (Vector Quantization) 技巧的離散的、連續(xù)密度的、半連續(xù)的 (semicontinuous) 隱馬可夫模型及簡(jiǎn)化的分段機(jī)率模型 (SPM, Segmental Probabilistic Model) ； ? (4) 人工神經(jīng)網(wǎng)路 (Neural Networks)； (5) 聲學(xué)知識(shí)模型 ； (6) 混合式 (Hybrid) 作法等等。除了小字彙的應(yīng)用之外，不論在實(shí)驗(yàn)室雛型或商用產(chǎn)品，語(yǔ)音辨識(shí)系統(tǒng)大多採(cǎi)用隱馬可夫模型或其變型。 ? 八、傳統(tǒng)電腦與類神經(jīng)電腦的比較 ? 類神經(jīng)網(wǎng)路由人腦結(jié)構(gòu)所啟發(fā)而生的新計(jì)算方式和現(xiàn)今廣泛使用的電腦是十分不同的。因其是一個(gè)高密度排列的 連接點(diǎn) (interconnections)，以及不可思議的 簡(jiǎn)便處理器 (simple processors)而形成的巨大平行網(wǎng)路。其仍是模擬真正人腦的神經(jīng)細(xì)胞而得名，但許多細(xì)胞中的細(xì)節(jié)已被省略刪除，即使如此卻仍然保留了人腦的基本本質(zhì)。 ? 類神經(jīng)網(wǎng)路擁有大量處理器和許多彼此相連繫組合的 平行處理結(jié)構(gòu) ，這些較傳統(tǒng)的中央處理單元 (CPUs)更為簡(jiǎn)便。一個(gè)典型的 CPU有能力做一百個(gè)或更多的基本指令，而類神經(jīng)網(wǎng)路處理單元?jiǎng)t可一次處理大量的計(jì)算，並做一些計(jì)算結(jié)果的分析。 ? 九、類神經(jīng)網(wǎng)路的發(fā)展?jié)摿? ? 類神經(jīng)網(wǎng)路在未來(lái)的計(jì)算領(lǐng)域中，就如同大海撈魚一般深的潛力。目前有許多有價(jià)值的應(yīng)用以被工程師設(shè)計(jì)出來(lái)，並加以商品化，未來(lái)相信將有更多的研究擴(kuò)展類似的成果。 ? 類神經(jīng)網(wǎng)路的應(yīng)用強(qiáng)調(diào)的領(lǐng)城是他們能展現(xiàn)較傳統(tǒng)計(jì)算方式更合適的解決方法。 較適合用神經(jīng)網(wǎng)路解決的問(wèn)題像：圖案的辦別、圖案的繪製、有雜訊的訊息處理、圖案完成、結(jié)合 (associative) 查詢、及使用時(shí)須要學(xué)習(xí)或調(diào)整的系統(tǒng)等。上述處理問(wèn)題的時(shí)實(shí)例包括：語(yǔ)音的合成與辦識(shí)、影像處理與分析、聲納及地震訊號(hào)之分類 ﹔此外，類神經(jīng)網(wǎng)路也能從事一些知識(shí)處理的工作，並且可以用來(lái)作結(jié)合記憶。 ? 一些 求最佳解 的工作，當(dāng)然也可能用類神經(jīng)網(wǎng)路加以指引。由以上得知，類神經(jīng)網(wǎng)路未來(lái)應(yīng)用的範(fàn)圍市是相當(dāng)有潛力的。 ? 如果你現(xiàn)在去任何一個(gè)電腦商店，也許可以找到用手寫，字體就會(huì)在螢?zāi)怀霈F(xiàn)之軟體。這是類神經(jīng)網(wǎng)路的一種應(yīng)用研究。 ? 第二種應(yīng)用研究是“ 說(shuō)話網(wǎng)路 ”（ NETtalk）， 它是一個(gè)試著將 書寫文章 轉(zhuǎn)化為
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1