隐马尔可夫模型的一种有区分力的反向传播训练方法
研究隐马尔可夫模型(HMM)的一种有区分力的训练方法. 在多层前向神经网络的框架中实现了HMM的前向概率计算. 基于这一框架, 利用偏导数的反向传播计算方法, 通过梯度上升的优化过程来实现互信息的最大化, 从而对HMM进行有区分力的训练. 这一训练方法被称之为HMM的反向传播训练方法. 此外, 还设计了一个用以实现这一训练方法的在数值计算上具有强鲁棒性的算法. 语音识别的实验结果证实了这一训练方法的优越性.
隐马尔可夫模型、神经网络、区分力、反向传播
26
TP1(自动化基础理论)
国家航空基础科学基金
2004-03-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
492-498