摘要 本章讲述在自动语音识别系统中应用深层神经网络（DNN）的若干方式中的一种——深层神经网络-隐马尔可夫模型（后简称DNN-HMM）混合系统。DNN-HMM混合系统利用DNN很强的表现学习能力及HMM的序列化建模能力，在很多大规模连续语音识别任务中，其性能都远优于传统的混合高斯模型（GMM）-HMM系统。我们将阐述DNN-HMM结构框架及其训练过程，并通过比较指出这类系统的关键部分。
