1、語音識別是人工智能的重要分支和一項重要的人機交互技術(shù)，被廣泛的應(yīng)用到各種生活場景中。當(dāng)前的語音識別系統(tǒng)在純凈無噪的環(huán)境下的準(zhǔn)確率已經(jīng)超過了人的聽覺，然而，真實應(yīng)用場景中的復(fù)雜的環(huán)境因素對語音識別系統(tǒng)的準(zhǔn)確度帶來的影響，以及在開發(fā)階段訓(xùn)練語音識別模型所消耗的時間成本與計算成本，成為阻礙語音識別發(fā)展的難題，因此，快速訓(xùn)練語音識別模型的同時提高識別率是語音識別的重要研究課題。
　　本文主要研究如何在加快神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度與解碼速度的前提下

2、提高語音識別模型的準(zhǔn)確率。神經(jīng)網(wǎng)絡(luò)的黑盒性與不可解釋性是改進(jìn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的主要難題，本文使用可視化的方式，對神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)進(jìn)行研究，基于可視化的結(jié)果分析了導(dǎo)致網(wǎng)絡(luò)精度低與訓(xùn)練速度慢的主要原因。
　　本文的研究工作主要由以下三個部分組成:第一部分，提出了一種基于跨層值傳遞的深度神經(jīng)網(wǎng)絡(luò)。深度神經(jīng)網(wǎng)絡(luò)的層數(shù)和參數(shù)的增加，可以有效的抑制過擬合的現(xiàn)象，而層數(shù)過深導(dǎo)致的直接問題是:信息在傳遞的過程中的損失。本文通過深度神經(jīng)網(wǎng)絡(luò)隱藏層的研

3、究，提出了一種基于跨層值傳遞的神經(jīng)網(wǎng)絡(luò)，經(jīng)驗證該方法可以有效的防止信息在傳遞過程中的損失，提升神經(jīng)網(wǎng)絡(luò)的精度。第二部分，提出了一種二值化與線性表示結(jié)合的方法加速循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與解碼。循環(huán)神經(jīng)網(wǎng)絡(luò)內(nèi)部復(fù)雜的結(jié)構(gòu)是導(dǎo)致神經(jīng)網(wǎng)絡(luò)訓(xùn)練與解碼速度慢的直接因素，本文基于對循環(huán)神經(jīng)網(wǎng)絡(luò)中的門的研究，提出了二值化與線性表示相結(jié)合的訓(xùn)練方法，經(jīng)驗證該方法可以做到在只損失少量精度的前提下加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與解碼。第三部分，將以上兩種方式結(jié)合，提出了基于