基于HMM 与神经网络的声学模型研究

摘要

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符. 因此,采用HMM 和ANN 的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb 规则重新确定网络的参数. 实验表明,这种混合模型在语音识别中取得了良好的效果.