《语音识别技术及应用》教案 项目四 使用深度神经网络构建声学模型.pdfVIP

课题项目四使用深度神经网络构建声学模型

课时4课时（180min）

知识目标：

（1）理解深度神经网络的基本原理

（2）了解深度神经网络的常见结构

（3）掌握构建深度神经网络相关函数的使用方法

（4）理解深度神经网络—隐马尔可夫模型的工作原理

（5）掌握深度神经网络—隐马尔可夫模型的训练流程

教学目标

技能目标：

（1）能够成功导入数字命令语音文件

（2）能够编写程序，利用深度神经网络—隐马尔可夫模型进行数字命令的语音识别

素养目标：

（1）学习科技前沿新技术，增强创新意识，培养探究精神

（2）理解深度神经网络—隐马尔可夫模型的基本原理，培养吃苦耐劳的奋斗精神

教学重点：深度神经网络的基本原理、常见结构，深度神经网络—隐马尔可夫模型的工作原理

教学重难点

教学难点：构建深度神经网络相关函数的使用方法、深度神经网络—隐马尔可夫模型的训练流程

教学方法案例分析法、问答法、讨论法、讲授法

教学用具电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】使用APP进行签到

考勤

【学生】班干部报请假人员及原因

【教师】播放“人工神经网络”视频（详见教材），并提出以下问题：

（1）什么是人工神经网络？

问题导入

（2）人工神经网络如何模拟人脑对信息进行处理？

【学生】聆听、思考、举手回答

【教师】通过学生的回答引入要讲的知识，讲解深度神经网络的基本原理、常见结构，深度神经

网络—隐马尔可夫模型的工作原理，构建深度神经网络相关函数的使用方法，以及深度神经网络—隐

马尔可夫模型的训练等知识

4.1深度神经网络

传统的语音建模工具（如GMM-HMM）无法准确地描述语音内部复杂的结构，且建模和表征能

力不强，因此在应用过程中仍然存在着鲁棒性差（鲁棒性指的是一个模型对于数据中的噪声、异常值

或其他干扰因素的抵抗能力）、识别率低等突出问题。随着深度学习技术的崛起，特别是深度神经网络

（deepneural_network,DNN）成功应用于计算机视觉和自然语言处理等领域之后，人们开始尝试将

传授新知

深度神经网络引入语音识别领域以改进性能。……（详见教材）

4.1.1深度神经网络的基本原理

1．生物神经元

✈【教师】利用多媒体展示“生物神经元结构”图片（详见教材），并进行讲解

生物神经元是生物神经网络结构和功能的基本单位，由细胞体和细胞突起组成，如图所示。

细胞体是神经元的核心，由细胞核和细胞质等组成。细胞突起由树突和轴突组成，树突是神经元

的输入，可以接收刺激并将兴奋传递给细胞体；轴突是神经元的输出，可以将自身的兴奋状态从细胞

体传送到另一个神经元或其他组织。神经元之间通过树突和轴突的连接点（即突触）连接。通过突触，

神经元可以接收其他神经元的刺激，并且发送信号给其他神经元。

……（详见教材）

2．M-P神经元模型

✈【教师】利用多媒体展示“M-P神经元模型”图片（详见教材），并进行讲解

人们通过对生物神经元进行研究，提出了人工神经元模型，人工神经元是神经网络的基本单元。

1943年，神经生理学家沃伦·麦卡洛克和数学家沃尔特·皮兹提出