人工智能：语音识别理解与实践

图书标准信息

• 作者 俞栋 著
• 出版社 电子工业出版社
• 出版时间 2020-10
• 版次 1
• ISBN 9787121381430
• 定价 159.00元
• 装帧 精装
• 开本 16开
• 页数 576页
• 字数 0.63千字

【内容简介】

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。

【作者简介】

俞栋博士是国际电气电子工程师学会会士（IEEE  Fellow）、国际计算机学会杰出科学家（ACM  Distinguished Scientist）。他现任腾讯人工智能实验室副主任、腾讯公司杰出科学家，并兼任香港中文大学（深圳）、上海交通大学、浙江大学等多所高校的客座/兼职教授。加入腾讯前，他是微软雷德蒙研究院语音与对话系统首席研究员。他是语音识别和深度学习方向的著名学者，出版了两本专著和200多篇论文（google scholar 引用近3万）。他是80余项专利的发明人以及深度学习开源软件CNTK的发起人和主要作者之一。他在基于深度学习的语音识别和分离技术上的一系列开创性工作，极大的推动了语音处理领域的发展。他的工作获得了2005年ACMSE最佳论文奖以及2013年和2016年IEEE 信号处理学会最佳论文奖。俞栋博士曾担任IEEE语音语言处理专业委员会委员、IEEE西雅图分会副主席、和APSIPA杰出讲师，也曾任IEEE/ACM音频、语音及语言处理汇刊和IEEE信号处理杂志等期刊的副编辑、以及多个国际会议的技术委员会和组织委员会成员。

【目录】

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变量

2.2高斯分布和混合高斯变量

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隐马尔可夫模型的质

3.3.2隐马尔可夫模型的

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期望优选化算法及其在学hmm参数中的应用

3.4.1期望优选化算法介绍

3.4.2使用em算法来学hmm参数——baum-welch算法

3.5用于解码hmm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部分优选深度学模型在语音识别中的应用

第ⅳ部分语音识别方法

第ⅴ部分复杂场景下的语音识别

第ⅵ部分语理解及对话系统的深度学实践

第ⅶ部分结及展望

缩略词表