1、隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，移動(dòng)平臺(tái)上英語口語學(xué)習(xí)軟件越來越豐富，在移動(dòng)端為用戶提供正確的發(fā)音指導(dǎo)也越來越重要。傳統(tǒng)的英語口語學(xué)習(xí)系統(tǒng)一般使用隱馬爾可夫（Hidden Markov Model，HMM）模型或神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）模型進(jìn)行識(shí)別，但是HMM模型固有的限制會(huì)導(dǎo)致系統(tǒng)性能不能進(jìn)一步提升；ANN雖然具有強(qiáng)大的分類能力，但是在處理長時(shí)依賴的問題上會(huì)出現(xiàn)誤差信號(hào)消亡的問題。如何解決上述問題提

2、高語音識(shí)別的正確率并開發(fā)移動(dòng)平臺(tái)上的英語口語學(xué)習(xí)軟件具有重要意義。
　　本文提出一種新型的長短型記憶（Long Short-Term Memory，LSTM）網(wǎng)絡(luò)，它能解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練時(shí)產(chǎn)生的誤差信號(hào)消亡的問題。主要工作包括：一、描述 LSTM遞歸網(wǎng)絡(luò)的構(gòu)成和學(xué)習(xí)算法，LSTM網(wǎng)絡(luò)采用恒定誤差傳播單元（Constant Error Carrousel，CEC），保持誤差信號(hào)的后向傳播，提高語音識(shí)別率；二、研究開源工具包C

3、urrennt，Currennt采用CUDA（Compute Unified Device Architecture）并行編程實(shí)現(xiàn)LSTM網(wǎng)絡(luò)的訓(xùn)練與識(shí)別，大量減少了程序的計(jì)算時(shí)間，為了使Currennt在移動(dòng)平臺(tái)上運(yùn)行，本文探索了Android系統(tǒng)對(duì)并行計(jì)算的支持，并將Currennt中解碼部分的代碼改為串行執(zhí)行；三、使用Android NDK開發(fā)工具，實(shí)現(xiàn)將Currennt的解碼功能在Android平臺(tái)上運(yùn)行，并優(yōu)化了算法，提高了程