1. 研究目的与意义（文献综述）

LSTM即长短期记忆模型（long-short term memory）是一种特殊的RNN模型，是为了解决RNN模型梯度弥散的问题而提出的；在传统的RNN中，训练算法使用的是BPTT，当时间比较长时，需要回传的残差会指数下降，导致网络权重更新缓慢，无法体现出RNN的长期记忆的效果，因此需要一个存储单元来存储记忆，因此LSTM模型被提出；本选题的提出是为了研究LSTM模型的特征 ,优点 ,实现, 应用.LSTM模型在很多方面都有它独到的用处,本人不可能理解和发掘它所有的结构变化和衍化模型的应用,但只是稍稍研究一下它的核心思想和理论走向,都能对我今后的编程之路有很大的帮助.而如果能在这个课题上找到新的LSTM模型的应用方法,对社会对人工智能的发展也会有重要的影响.

2. 研究的基本内容与方案

研究的基本内容:rnn与lstm的基本原理和结构,语音识别模型中dnn引入后的提升和lstm引入后的优化.

研究的目标:本次研究预计在timit语音数据库上进行实验,分别对gmm-hmm和dmm-hmm还有lstm-hmm进行音素识别实验以找出lstm的优化能力及对它的拓展.

拟采用的技术方案:进行声学建模,建立三种模型,分别在timit语音数据库上实验

3. 研究计划与安排

第1-2周：确定毕业设计任务，查找相关的资料和参考文献，归纳整理，阅读资料和文献，完成开题报告。

第3-4周：完成对rnn模型和lstm模型的初步理解

第5-6周：阅读相关的书籍,研究lstm型递归神经网络的优点。

4. 参考文献（12篇以上）

1.lt;lt;基于极性转移和lstm递归网络的情感分析gt;gt; 梁军 2015

2.lt;lt;电话交谈语音识别中基于lstm-dnn语言模型的重评估方法研究gt;gt; 左玲云 2016

3.lt;lt;基于lstm型rnn的captcha识别方法gt;gt; 张亮 2011