AI-语音处理理论和应用-RNN和LSTM

学习目标
   • 了解语音处理的基础知识及应用
   • 掌握语音处理的基本步骤
   • 掌握语音处理的主要技术
   • 了解语音处理的难点与展望

RNN
   • 循环神经网络（英文名Recurrent Neural Networks，简称RNN）是一种通过隐藏层节点周期性的连接，来捕捉序列化数据中动态信息的神经网络，可以对序列化的数据进行分类。
   • 和其他前向神经网络不同，RNN可以保存一种上下文的状态，甚至能够在任意长的上下文窗口中存储、学习、表达相关信息，而且不再局限于传统神经网络在空间上的边界，可以在时间序列上有延拓。
   • RNN广泛应用在和序列有关的场景，如一帧帧图像组成的视频，一个个片段组成的音频，和一个个词汇组成的句子。
   • 适用场景
      • 不太长的相关信息和位置信息。
      • 适用于需要连接前面短期内的信息到当前的任务上。
   • 网络结构

         • 隐藏层包含了一个自循环,指时间上的循环,而不是每个时间节点上的循环
   • 结构展开

         • 在每一个时间点上就是一个简单的深度神经网络,只不过每个时间点上都有信息传递
   • 计算过程
      • RNN 是包含循环的网络，允许信息的持久化。
      • 在上面循环神经网络的模块中，x是当前时刻正在读取某个输入