Speech recognition using deep neural network: A systematic review 论文简述

这是篇2019年的关于语音的综述论文，主要做了一些统计工作

论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8632885

作者：ALI BOU NASSIF, ISMAIL SHAHIN, IMTINAN ATTILI, MOHAMMAD AZZEH, AND KHALED SHAALAN

这篇文章对2006年到2018年的利用深度学习进行语音识别的174篇文献进行了归类整理，对论文所用到的模型，数据，研究的问题等进行了分类统计，并以表格展示，回答了8个问题。

研究问题：

1. 研究中包括哪些不同类型的论文?

2.在研究的论文中有那些不同的语音鉴别方法

3.在每篇文献中有哪些数据集用来训练和测试

4.在研究论文中使用了哪些不同的语言?

5.研究是在什么样的环境下进行的?

6.如何从语音中获得特征

7.文献中使用了哪些评估技术

8.用了哪些深度神经网络

结论：

1. 研究中包括哪些不同类型的论文?

论文来源比例图：

会议论文来源表格：（注：第二列表格中的标号为论文的编号）

期刊论文来源表格：

2.在研究的论文中有那些不同的语音识别方法

上图中other包括：speaker veri cation, language identi cation, speech
pattern classi cation and spoken language understanding.

语音识别中具体分类表格：

上图other为没有具体提到类别的论文

3.在每篇文献中有哪些数据集用来训练和测试

分为公共数据集和私有数据集

公共数据集包括：TIMIT dataset, ATIS
dataset, Switchboard Hub5 task, Aurora 4, Babel corpus,
AMI corpus1 among others.

4.在研究论文中使用了哪些不同的语言?

5.研究是在什么样的环境下进行的?

没有提到环境的和提到环境为中立(Neutral)的均为中立的

6.如何从语音中获得特征（并没有表^*^）

melfrequency cepstrum coef cients (MFCCs)：69.5% （121 papers）

linear discriminate analysis (LDA)transform  ：10% 

HLDA transform：5% 

short time Fourier transform(STFT)：2% 

other：

MLLT, perceptual linear predictive (PLP),

log power spectral (LPS),

Bark-frequency cepstrum coef cients(BFCC),

batch normalization,

maximum likelihood lineartransform (MLLT),

residual connections.

7.文献中使用了哪些评估技术

上图other：Root Mean Square Error (RMSE),
Sentence Accuracy, Query Error Rate (QER), unweighted
classi cation accuracy, Gain in dB among others.

8.用了哪些深度神经网络

混合模型表：

总表：