本文是关于《automatic speech recognition a deep learning approach》的读书笔记，聚焦HMM在声学模型中的使用。介绍了马尔科夫链的概念，阐述了其在声学建模中的无记忆性质，并探讨了HMM需要解决的三个核心问题：概率计算、学习和解码。
“声学模型学习笔记”是《automatic speech recognition a deep learning approach》这本书的读书笔记，会有少量的个人理解和公式详细推导，声学入门狗一枚，不具有指导意义，具体以原书和列出的参考文献为准，欢迎指导和讨论。
HMM含义
Markov Chains
马尔科夫链，表示一个状态到另一个状态转换的随机过程。该过程要求具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作马尔可夫性质。
假设状态空间q
最低0.47元/天 解锁文章
1050
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
