解析深度学 语音识别实践 人工智能 (美)俞栋,(美)邓力
新华书店全新正版书籍 支持7天无理由
¥
56.2
5.2折
¥
109
全新
库存6件
作者(美)俞栋,(美)邓力
出版社电子工业出版社
ISBN9787121287961
出版时间2016-07
版次1
装帧平装
开本16
页数320页
字数378千字
定价109元
货号xhwx_1202157272
上书时间2024-06-28
商品详情
- 品相描述:全新
-
正版特价新书
- 商品描述
-
主编:
"alphago与李世石的围棋大战激发了人们对人工智能是非的诸多争论。人工智能背后的工作深度学跳入大众的视野。alphago的大获全胜程度展示了深度学在应用领域的成功,而语音识别正是深度学取得显著成功的应用领域之一。
本书是以深度学为主线介绍语音识别应用的书籍,对读者了解语音识别技术及其发展历程有重要的参价值。
本书作者俞栋、邓力均是该领域的有名专家,他们是深度学在应用领域取得突破进展的推动者与实践者,他们在书中分享的研究成果程度上代表了本领域近期新的研究进展;译者俞凯、钱彦旻也是本领域的专家,并有众多实践成果。对于从事此领域研究的读者来说,本书无疑有重要的参价值。"
目录:
译者序
序
前言
术语缩写
符号
1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全书结构
1.3.1部分:传统声学模型
1.3.2第二部分:深度神经网络
1.3.3第三部分:语音识别中的dnn-hmm混合系统
1.3.4第四部分:深度神经网络中的表征学
1.3.5第五部分:的深度模型
部分传统声学模型
2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
3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
第二部分深度神经网络
4深度神经网络
5模型初始化技术
第三部分语音识别中的深度神经网络-隐马尔可夫混合模型
6深度神经网络-隐马尔可夫模型混合系统
7训练和解码的加速
8深度神经网络序列鉴别训练
第四部分深度神经网络中的特征表示学
9深度神经网络中的特征表示学
10深度神经网络和混合高斯模型的融合
11深度神经网络的自适应技术
第五部分优选的深度学模型
12深度神经网络中的表征共享和迁移
13循环神经网络及相关模型
14计算型网络
15结及未来研究方向
参文献
内容简介:
本书是首部介绍语音识别中深度学技术细节的专著。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、模型融合、自适应,以及以循环神经网络为代表的若干优选深度学技术。本书适合有机器学或语音识别基础的、研究者或从业者阅读,所有的算法及技术细节都提供了详尽的参文献,给出了深度学在语音识别中应用的全景。
作者简介:
俞栋,1998年加入微软公司,现任微软研究院首席研究员、浙江大学兼职教授和中科大客座教授。他是语音识别和深度学方向的专家,出版了两本专著,发表了150多篇,是近60项专利的发明人及有广泛影响力的深度学开源软件tk的发起人和主要作者之一。他在基于深度学的语音识别技术上的工作带来了语音识别研究方向的转变,极大地推动了语音识别领域的发展,并获得2013年ieee信号处理协会很好奖。俞栋博士现担任ieee语音语言处理专业委员会委员,曾担任ieee/acm音频、语音及语言处理汇刊、ieee信号处理杂志等期刊的编委。
— 没有更多了 —
以下为对购买帮助不大的评价