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