前言
- 本篇博客对TDNN网络结构的特性进行梳理，使读者了解设计所考虑的问题，关于其结构请参考博客Time-Delay Neural Network(TDNN)-上。博客基于对论文 Phoneme Recognition Using Time-Delay Neural Network 的阅读和理解，如有谬误，还望指出，不胜感激。
正文
语音识别的小伙伴都知道，语音识别通常要把一段不等场的语音切分成等长的小段，通常是每小段长度为25ms，然后以小段为单位进行处理，即只考虑当前帧。Time-Delay顾名思义即在时间上会有延迟，具体一点是指在识别的时候当前帧不仅考虑自身，还要参考一定数量的前后帧。
TDNN具有以下特性：
- 多层的feedforward NN及节点之间紧密的连接使得其可以表示复杂的非线性分类面；
- Time-Delay使得其可以学习到特征之间的时序依赖；
- 学习到的特征具有时移不变性，同一个音素出现在语音的不同位置学到的特征应该尽可能相近；
- 学习过程中特征和标签不需要精确地对齐；
- 参数数量应该远小于训练样本的数量；