论文部分内容阅读
近年来基于隐马尔可夫模型 (HMM)的语音识别技术得到很大发展 .然而 HMM模型有着一定的局限性 ,如何克服 HMM的一阶假设和独立性假设带来的问题一直是研究讨论的热点 .在语音识别中引入神经网络的方法是克服 HMM局限性的一条途径 .该文将循环神经网络应用于汉语语音识别 ,修改了原网络模型并提出了相应的训练方法 .实验结果表明该模型具有良好的连续信号处理性能 ,与传统的 HMM模型效果相当 .新的训练策略能够在提高训练速度的同时 ,使得模型分类性能有明显提高 .