ghjk014的专栏

前言　　训练神经网络模型时，如果训练样本较少，为了防止模型过拟合，Dropout可以作为一种trikc供选择。Dropout是hintion最近2年提出的，源于其文章Improving neural networks by preventing co-adaptation of feature detectors.中文大意为：通过阻止特征检测器的共同作用来提高神经网络的性能。本篇博文就是按

深度学习之Tensorflow实现自编码器 当拥有很多的标注数据时，可以训练一个深层的神经网络。但是没有标注的数据时，依然可以利用无监督的自编码器来提取特征。自编码器（AutoEncoder），顾名思义，即可以使用自身的高阶特征编码自己。自编码器其实也是一种神经网络，它的输入和输出是一致的，它借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。因此，它的特点非常明显：第一，期望

BUG 1. AttributeError: ‘module’ object has no attribute ‘mul’# 解决方案：用tf.multiply替代tf.mul1212BUG 2. AttributeError: ‘module’ object has no attribute ‘sub’ 解决方案：用tf.subtract替代tf.sub# 解决方案：用t

干货｜语音识别框架最新进展——深度全序列卷积神经网络登场2016-08-05 17:03 转载 陈杨英杰1条评论导读：目前最好的语音识别系统采用双向长短时记忆网络（LSTM，LongShort Term Memory），但是，这一系统存在训练复杂度高、解码时延高的问题，尤其在工业界的实时识别系统中很难应用。科大讯飞在今年提出了一种全新的语音识别框架——深度全序列卷积神经网络（DFCNN...

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.youkuaiyun.com/u012436149/article/details/71179314tensorflow 语音识别最近在做语音识别的项目，现在项目告一段落，就把最近碰到的东西做一个总结。一些资料 https://medium.com/@ageitgey/machine-learning-is-fun-part...

转自：    https://blog.youkuaiyun.com/u011292087/article/details/62054949近日，百度将 Deep CNN 应用于语音识别研究，使用了 VGGNet ，以及包含 Residual 连接的深层 CNN 等结构，并将 LSTM 和 CTC 的端对端语音识别技术相结合，使得识别错误率相对下降了 10% （原错误率的 90%）以上。　　　　机器...

版权声明：本文为博主原创文章，未经博主允许不得转载。    https://blog.youkuaiyun.com/luodongri/article/details/80100297目前主流的语音识别都大致分为特征提取，声学模型，语音模型几个部分。目前结合神经网络的端到端的声学模型训练方法主要CTC和基于Attention两种。本文主要介绍CTC算法的基本概念，可能应用的领域，以及在结合神经网络进行C...