基于文本数据的端到端语音识别模型训练数据扩充方法

目录

第 1 章 绪 论

1.1 课题来源及研究的背景和意义

1.1.1 课题来源

1.1.2 研究的背景和意义

1.2 国内外研究现状及分析

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 目前方法存在的问题

1.4 论文主要研究内容

1.5 论文组织结构

第 2 章 基于 RNN-T 的端到端语音识别模型

2.1 引言

2.2 预处理阶段

2.2.1 预加重和去加重

2.2.2 分帧与加窗

2.2.3 端点检测

2.3 特征提取阶段

2.4 RNN-T 模型

2.4.1 模型概览

2.4.2 输入输出对齐

2.4.3 优化准则

2.4.4 解码

2.4.5 RNN-T 模型总结

2.5 网络结构及训练策略

2.5.1 网络结构

2.5.2 数据处理

2.5.3 预训练

2.5.4 训练学习率和正则约束

2.6 基线实验系统

2.6.1 语料库

2.6.2 实验设置及评价指标

2.6.3 基线系统结果分析

2.7本章小结

第 3 章 基于生成对抗网络的训练数据扩充方法

3.1 引言

3.2 RNN-T 的局限性分析及扩充方法

3.2.1 RNN-T 模型的局限性分析

3.2.2 训练数据扩充方法的可行性分析

3.3 基于生成对抗网络的训练数据扩充方法

3.3.1 选择生成对抗网络的原因

3.3.2 基于生成对抗网络的扩充架构

3.3.3 损失函数

3.3.4 训练步骤

3.4 本章小结

第 4 章 生成对抗网络与连接时序分类结合的训练算法

4.1 引言

4.2 生成对抗网络与连接时序分类结合的训练算法

4.2.1 选择多任务学习的原因

4.2.2 辅助任务的选取及损失函数

4.2.3 高效的多任务网络结构

4.3 基于文本数据的训练数据扩充方法

4.4 实验与讨论

4.4.1 实验设置

4.4.2 实验与讨论

4.5 本章小结

结 论

参考文献

声明

致 谢