First Dataset

因此，严格意义上的三音子精细建模不太现实，往往通过状态绑定策略来减小建模单元数目，典型的绑定方法有模型绑定、决策树聚下面将着重介绍三类声学模型，包括基于-的声学模型、基于-的声学模型以及端到端模型。 ）基于-的声学模型是一种统计分析模型，它是在马尔可夫链的基础上发展起来的，用来描述双重随机过程。的理论基础在年前后由等人建立，随后由的和的等人应用到语音识别中，..和.等人进一步推动了的应用和发展。


效率高、易于训练等优点，自世纪年代开始，被广泛应用于语音识别、手写字识别和天气预报等多个领域，目前仍然是语音识别中的主流技术。 ）基于-的声学模型尽管具有拟合任意复杂分布的能力，但它也有一个严重 萨尔瓦多电话号码数据 的缺陷，即对非线性数据建模效率低下。 因此，很久以前相关研究人员提出采用人工神经网络代替，建模状态后验概率。


但是由于当时计算能力有限，很难训练两层以上的神经网络模型，所以其带来的性能改善非常微弱。 世纪以来，机器学习算法和计算机硬件的发展使得训练多 隐层的神经网络成为可能。实践表明，在各种大型数据集上都取得了远超过的识别性能。 因此，-替代-成为目前主流的声学建模框架。 ）端到端模型传统语音识别系统的声学建模一般通过发音单元、声学模型、词典等信息源，建立从声学观察序列到单词之间的联系。