類神經(jīng)網(wǎng)路介紹(編輯修改稿)
2024-10-22 19:38 本頁面
【文章內(nèi)容簡介】 也不可能完全相同，因此如何把語音做正確的歸類，異中求同，就是問題所在。一般常見的作法是（事先或現(xiàn)場） 蒐集足夠的語音樣本 ，經(jīng)過抽取適當?shù)恼Z音特徵（ feature extracion） 之後，透過 訓練程序（ training procedure） ，建立 參考聲學模型（ acoustic model） 所需的參數(shù)。而在使用者辨識的階段，將 輸入的語音樣本抽取語音特徵 之後，和辨識字彙中的 參考聲學模型比對 ，找出最接近的字彙，即為辨識結果?？此坪唵?，其實各步驟均有許多變化，尤其是聲學模型比對步驟的兩大問題：時序校準（ time alignment）及參數(shù)模型比對。 ? 時序校準 在於找出正確的聲學單位（如詞、音節(jié)、次音節(jié)、聲韻母、音素等）的起點跟終點，在連續(xù)音的情況下問題更為嚴重；這也是為什麼單字音比連音詞容易辨識，而連音詞又比整句連續(xù)語音容易辨識的主要原因。 參數(shù)模型比對 則在以什麼參數(shù)、多少參數(shù)建構參考模型 :可以是語音原始樣本，也可以是語音特徵樣本，但更多的是離散（ discrete ）或連續(xù)密度的（ continuous density）機率分佈模型。 ? 聲 學模型作法可大致分為下列幾種： (1) 語音模版 (template)法 –適用於小字彙、特定語者的應用； (2)動態(tài)時間校準 (Dynamic Time Warping) ； (3)隱馬可夫模型 (HMM,Hidden Markov Model) ：又可細分為利用向量量化 (Vector Quantization) 技巧的離散的、連續(xù)密度的、半連續(xù)的 (semicontinuous) 隱馬可夫模型及簡化的分段機率模型 (SPM, Segmental Probabilistic Model) ； ? (4) 人工神經(jīng)網(wǎng)路 (Neural Networks)； (5) 聲學知識模型 ； (6) 混合式 (Hybrid) 作法等等。除了小字彙的應用之外，不論在實驗室雛型或商用產(chǎn)品，語音辨識系統(tǒng)大多採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)路由人腦結構所啟發(fā)而生的新計算方式和現(xiàn)今廣泛使用的電腦是十分不同的。因其是一個高密度排列的 連接點 (interconnections)，以及不可思議的 簡便處理器 (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)細胞而得名，但許多細胞中的細節(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 平行處理結構 ，這些較傳統(tǒng)的中央處理單元 (CPUs)更為簡便。一個典型的 CPU有能力做一百個或更多的基本指令，而類神經(jīng)網(wǎng)路處理單元則可一次處理大量的計算，並做一些計算結果的分析。 ? 九、類神經(jīng)網(wǎng)路的發(fā)展?jié)摿? ? 類神經(jīng)網(wǎng)路在未來的計算領域中，就如同大海撈魚一般深的潛力。目前有許多有價值的應用以被工程師設計出來，並加以商品化，未來相信將有更多的研究擴展類似的成果。 ? 類神經(jīng)網(wǎng)路的應用強調(diào)的領城是他們能展現(xiàn)較傳統(tǒng)計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、結合 (associative) 查詢、及使用時須要學習或調(diào)整的系統(tǒng)等。上述處理問題的時實例包括：語音的合成與辦識、影像處理與分析、聲納及地震訊號之分類 ﹔此外，類神經(jīng)網(wǎng)路也能從事一些知識處理的工作，並且可以用來作結合記憶。 ? 一些 求最佳解 的工作，當然也可能用類神經(jīng)網(wǎng)路加以指引。由以上得知，類神經(jīng)網(wǎng)路未來應用的範圍市是相當有潛力的。 ? 如果你現(xiàn)在去任何一個電腦商店，也許可以找到用手寫，字體就會在螢幕出現(xiàn)之軟體。這是類神經(jīng)網(wǎng)路的一種應用研究。 ? 第二種應用研究是“ 說話網(wǎng)路 ”（ NETtalk）， 它是一個試著將 書寫文章 轉(zhuǎn)化為
環(huán)評公示相關推薦
鄂ICP備17016276號-1