word語音輸入win10的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列推薦必買和特價產品懶人包

深層遞迴類神經網路之正規化及聲學模型之建立

為了解決word語音輸入win10的問題，作者盧采威 這樣論述：

深層學習在不同分類評估系統已證實獲得極高的分類正確率，深層類神經網路已成為現今語音辨識領域中的熱門研究議題。本篇論文發展具新穎性之遞迴類神經網路(Recurrent Neural Network)之正規化(Regularization)並建立深層聲學模型(Acoustic Model)於雜訊語音辨識系統。我們的方法是在深層類神經網路的預訓練 (Pre-training)過程中加入提克洛夫正規化(Tikhonov regularization)。此想法是藉由補償類神經網路系統受輸入語音資料變異的影響，使系統效能較具強健性，尤其在以限制型波茲曼模型(Restricted Boltzmann Ma

chine)的預訓練過程，我們進行特徵學習及深層聲學模型訓練，透過提克洛夫正規化建立起若干模型不變性(Invariance)之特性。在限制型波茲曼模型中，我們更結合以權重衰減(Weight Decay)為主的正規化法則，使用這種正規化的結合機制可以有效增加在交替式訓練馬可夫鏈(Gibbs Markov Chain)的混合率並使對比散度(Contrastive Divergence)更接近最大相似度(Maximum Likelihood)學習。另外，我們也提出將倒傳遞累積時間法(Backpropagation Through Time, BPTT)延伸應用在遞迴類神經網路中遞迴參數及隱藏層與遞迴

層間參數的模型訓練。在實驗評估中，我們使用卡爾迪(Kaldi)深層類神經網路語音辨識軟體實現本論文提出的演算法，在Resource Management及Aurora4語音資料庫的實驗結果發現，雙重正規化(Hybrid Regularization)法及倒傳遞累積時間法(BPTT)的確可以提升深層類神經網路聲學模型之強健性及其語音辨識率。