摘要：
论文： Compact Feedforward Sequential Memory Networks for Large Vocabulary Continuous Speech Recognition 思想： 对FSMN的模型尺寸方面进行了优化改进， 1）隐藏层后接低秩的线性矩阵，并对线性层的输出 阅读全文
摘要：
论文： Feedforward Sequential Memory Networks:A New Structure to Learn Long-term Dependency 思想： 因为RNN类结构，包括LSTM，在训练时采用BPTT进行反向传播，容易引发梯度消失和爆炸的问题，造成训练不稳定；此 阅读全文
摘要：
论文： IMPROVING LATENCY-CONTROLLED BLSTM ACOUSTIC MODELS FOR ONLINE SPEECH RECOGNITION 思想： BLSTM作为当前主流的序列建模算法，在语音识别领域取得了不错的效果。但因为BLSTM的双向LSTM结构，在序列建模时需要 阅读全文
摘要：
论文： EESEN:END-TO-END SPEECH RECOGNITION USING DEEP RNN MODELS AND WFST-BASED DECODING 现状： 混合DNN仍然GMM为其提供初始化的帧对齐，需要迭代训练强制对齐，以及决策树 end2end的asr面临问题： 如何将发 阅读全文
摘要：
论文： EXPLORING ARCHITECTURES, DATA AND UNITS FOR STREAMING END-TO-END SPEECH RECOGNITION WITH RNN-TRANSDUCER,2018 CTC的一个问题在于，其假设当前帧的输出与历史输出之间的条件独立性；RNN 阅读全文
摘要：
论文： RNNT:SPEECH RECOGNITION WITH DEEP RECURRENT NEURAL NETWORKS,2013 LSTM结构: 多层双向LSTM结构： 思想： CTC对于当前时刻的输出只与当前时刻输入有关p(k|t)，而RNN-T引入语音学的信息，不仅与当前时刻输入有关，还 阅读全文
摘要：
LAS: listen, attented and spell,Google 思想: sequence to sequence的思想，模型分为encoder和decoder两部分，首先将任意长的输入序列通过encoder转化为定长的特征表达，然后输入到decoder再转化为任意长的输出序列；相比于传 阅读全文
摘要：
论文： CTC：Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks 思想： 语音识别中，一般包含语音段和对应的文本标签，但是却并不知道具体的 阅读全文
摘要：
论文： CLDNN: CONVOLUTIONAL, LONG SHORT-TERM MEMORY,FULLY CONNECTED DEEP NEURAL NETWORKS,Google 思想: CNN、LSTM和DNN进行整合，发挥各个部分的建模能力； 1）CNN：学习频域不变形能力； 2）LSTM 阅读全文
摘要：
论文： Self-Attentive Speaker Embeddings for Text-Independent Speaker Verification 思想： 本文主要是对x-vector的统计池化结构进行改进，引入self-attention机制，得到带权重的均值和标准方差，这样一方面可以 阅读全文