Tenderzhe的博客

摘要 一种新的带有语音识别功能的循环神经网络语言模型出现了。结果表明，与最先进的退避语言模型相比，通过使用几种RNN语言模型的混合，可能能够减少百分之五十的困惑度。语音识别实验表明当与训练同样大小数据的模型相比时，在华尔街日报任务中的单词错误率降低了18%，即使退避模型用更多数据量，在更难的NIST RT05任务中也大约降低了5%。我们提供充足的证据表明连接主义语言模型优于标准的n-gram模型

对于RNN，我看到讲得最通俗易懂的应该是Andrej发的博客：  The Unreasonable Effectiveness of Recurrent Neural Networks 这里有它的中文翻译版本：  递归神经网络不可思议的有效性 如何用TensorFlow构建RNN？这里有一份极简的教程： http://www.sohu.com/a/137208644_61