CTC模型

CTC模型（Connectionist temporal classification）接在RNN网络的最后一层用于序列学习所用；对于一段长度为T的序列来说，每个样本点 t 在RNN网络的最后一层都会输出一个softmax向量，表示预测概率；接上CTC模型之后，就可以正确预测出序列的标签；

（一）简介

1.假设一段长为T的序列的每个时间点的label有可能是L个不同的label中的一个，那么这段序列的label总共有L的T次方种可能；

2.在CTC模型中，一般为把L个label扩展到L+1个label，多加一个空白字符的label，表示序列中的空白之处；

3.我们把L的T次方种可能的每一种可能称为一条“PATH”，其条件概率如下：

4.由于在学习的过程中一般使用滑动窗口，并且序列之间有空白隔开，那么可以将每条路经中重复的地方以及空白预测去除，比如：