目录第1章简介11自动语音识别：更好的沟通之桥111人类之间的交流112人机交流12语音识别系统的基本结构13口语理解与人机对话系统14全书结构第I部分传统声学模型第2章混合高斯模型21随机变量22高斯分布和混合高斯随机变量23参数估计24采用混合高斯分布对语音特征建模第3章隐马尔可夫模型及其变体31介绍32马尔可夫链33序列与模型331隐马尔可夫模型的性质332隐马尔可夫模型的仿真333隐马尔可夫模型似然度的计算334计算似然度的高效算法335前向与后向递归式的证明34期望最大化算法及其在学习HMM参数中的应用341期望最大化算法介绍342使用EM算法来学习HMM参数——Baum-Welch算法35用于解码HMM状态序列的维特比算法351动态规划和维特比算法352用于解码HMM状态的动态规划算法36隐马尔可夫模型和生成语音识别模型的变体361用于语音识别的GMM-HMM模型362基于轨迹和隐藏动态模型的语音建模和识别363使用生成模型HMM及其变体解决语音识别问题第II部分深层神经网络在语音识别中的应用及分析第4章全连接深层神经网络41全连接深层神经网络框架42使用误差反向传播进行参数训练421训练准则422训练算法43实际应用431数据预处理432模型初始化433权重衰减434丢弃法435批规范化436批量块大小的选择437取样随机化438惯性系数439学习率和停止准则4310网络结构4311可复现性与可重启性第5章高级模型初始化技术51受限玻尔兹曼机511受限玻尔兹曼机的属性512受限玻尔兹曼机参数学习52深度置信网络预训练53降噪自动编码器预训练54鉴别性预训练55混合预训练56采用丢弃法的预训练第6章深层神经网络–隐马尔可夫模型混合系统61DNN-HMM混合系统611结构612用CD-DNN-HMM解码613CD-DNN-HMM的训练过程614上下文窗口的影响62CD-DNN-HMM的关键模块及分析621进行比较和分析的数据集和实验622对单音素或者三音素的状态进行建模623越深越好624利用相邻的语音帧625预训练626训练数据的标注质量的影响627调整转移概率63基于KL距离的隐马尔可夫模型第7章训练加速和解码加速71训练加速711使用多GPU流水线反向传播712异步随机梯度下降713增广拉格朗日算法及乘子方向交替算法714块动量方法715减小模型规模716其他方法72解码加速721并行计算722稀疏网络723低秩近似724用大尺寸DNN训练小尺寸DNN725多帧DNN第8章深层神经网络中的特征表示学习81特征和分类器的联合学习82特征层级83使用随意输入特征的灵活性84特征的鲁棒性841对说话人变化的鲁棒性842 对环境变化的鲁棒性85对环境的鲁棒性851 对噪声的鲁棒性852 对语速变化的鲁棒性86信号严重失真情况下的推广能力87使用合成数据提升鲁棒性871 基于原始音频的数据合成方法872 基于频谱特征的数据合成方法873 基于生成式机器学习模型的数据合成方法第9章深层神经网络和混合高斯模型的融合91在GMM-HMM系统中使用由DNN衍生的特征911 使用Tandem和瓶颈特征的GMM-HMM模型912 DNN-HMM混合系统与采用深度特征的GMM-HMM系统的比较92识别结果融合技术921 识别错误票选降低技术922 分段条件随机场（SCARF）923 最小贝叶斯风险词图融合93帧级别的声学分数融合94多流语音识别第10章VAD和唤醒词识别101基于信号处理的VAD102基于DNN的VAD1021声学特征提取1022基于DNN的语音端点检测建模1023语音端点检测的决策算法1024噪声自适应训练103唤醒词识别的解码器方案104只用DNN的唤醒词识别105可定制的唤醒词识别106多阶段唤醒词识别107唤醒词识别的位置第III部分先进深度学习模型在语音识别中的应用第11章卷积神经网络111概述112卷积神经网络的基本架构1121卷积层1122池化层113卷积神经网络的训练114时间延迟神经网络115时频域上的卷积116时域上的卷积117深层卷积神经网络第12章循环神经网络及相关模型121概述122基本循环神经网络中的状态–空间公式123沿时反向传播学习算法1231最小化目标函数1232误差项的递归计算1233循环神经网络权重的更新124一种用于学习循环神经网络的原始对偶技术1241循环神经网络学习的难点1242回声状态性质及其充分条件1243将循环神经网络的学习转化为带约束的优化问题1244一种用于学习RNN的原始对偶方法125结合长短时记忆单元的循环神经网络1251动机与应用1252长短时记忆单元的神经元架构1253LSTM-RNN的训练126高速公路LSTM和网格LSTM127双向LSTM128GRU循环神经网络129循环神经网络的对比分析1291信息流方向的对比：自上而下还是自下而上1292信息表示的对比：集中式还是分布式1293解释能力的对比：隐层推断还是端到端学习1294参数化方式的对比：吝啬参数集合还是大规模参数矩阵1295模型