深度学习在语音识别中的研究进展综述

被引:77
作者
侯一民 [1 ]
周慧琼 [1 ]
王政一 [2 ]
机构
[1] 东北电力大学自动化工程学院
[2] 中国航空规划设计研究总院有限公司
关键词
机器学习; 深度学习; 语音数据; 语音识别;
D O I
暂无
中图分类号
TN912.34 [语音识别与设备]; TP181 [自动推理、机器学习];
学科分类号
0711 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
在当今的大数据时代里,对于处理大量未经标注的原始语音数据的传统机器学习算法,很多都已不再适用。与此同时,深度学习模型凭借其对海量数据的强大建模能力,能够直接对未标注数据进行处理,成为当前语音识别领域的一个研究热点。主要分析和总结了当前几种具有代表性的深度学习模型,介绍了其在语音识别中对于语音特征提取及声学建模中的应用,最后总结了当前所面临的问题和发展方向。
引用
收藏
页码:2241 / 2246
页数:6
相关论文
共 19 条
[1]   基于神经网络的蓄电池荷电状态估算 [J].
戴武昌 ;
王建国 ;
徐天锡 .
东北电力大学学报, 2016, 36 (05) :1-6
[2]   深度学习在控制领域的研究现状与展望 [J].
段艳杰 ;
吕宜生 ;
张杰 ;
赵学亮 ;
王飞跃 .
自动化学报, 2016, 42 (05) :643-654
[3]   深度学习研究进展 [J].
郭丽丽 ;
丁世飞 .
计算机科学, 2015, 42 (05) :28-33
[4]   深度学习的研究与发展 [J].
张建明 ;
詹智财 ;
成科扬 ;
詹永照 .
江苏大学学报(自然科学版), 2015, 36 (02) :191-200
[5]   一种简洁高效的加速卷积神经网络的方法 [J].
刘进锋 .
科学技术与工程, 2014, 14 (33) :240-244
[6]   卷积神经网络在语音识别中的应用 [J].
张晴晴 ;
刘勇 ;
王智超 ;
潘接林 ;
颜永红 .
网络新媒体技术, 2014, 3 (06) :39-42
[7]   深度学习研究进展 [J].
刘建伟 ;
刘媛 ;
罗雄麟 .
计算机应用研究, 2014, 31 (07) :1921-1930+1942
[8]   一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用 [J].
李晋徽 ;
杨俊安 ;
王一 .
计算机科学, 2014, 41 (03) :263-266
[9]   深度学习的昨天、今天和明天 [J].
余凯 ;
贾磊 ;
陈雨强 ;
徐伟 .
计算机研究与发展, 2013, 50 (09) :1799-1804
[10]  
基于深度学习的语音识别研究[D]. 梁静.北京邮电大学 2014