一、非监督学习与聚类算法与监督学习不同，在非监督学习中，我们的数据没有附带任何标签，我们拿到的数据就是这样的：从图中可以看出，样本点都是一样的，没有附带任何标签y。在非监督学习中，我们需要将一系列无标签的训练数据，输入到一个算法中，找出数据集中的内在结构。在上图中，数据可以分成两个点集（称为簇），一个能够区分这两个点集的算法，就被称为聚类算法。聚类算法是非监督学习算法中的一种。聚类算法的用途广泛，

第一步，导入库import osimport zipfileimport matplotlib.pyplot as pltimport matplotlib.image as mpimgimport tensorflow as tfimport numpy as npfrom tensorflow import kerasfrom tensorflow.keras.preprocessing.im

1.傅里叶分析---傅里叶级数与傅里叶变换2.能量信号与功率信号的区分3.时域卷积定理与频域卷积定理4.时域图、频谱图、语谱图5.注意力机制6.Seq2Seq模型概述7.transformer8.隐马尔可夫模型（Hidden Markov Model）9.集束搜索10.多任务学习11.CTC12....

第二章 语音信号基础声波通过空气传播，被麦克风接收，再被转换成模拟的语音信号，这些信号经过采样，变成离散的时间信号，再进一步经过量化，被保存为数字信号，即波形文件。过程如下：本章根据以上过程，分别对声波的特性、声音的采集装置(即麦克风)、声音的采样和量化加以介绍，最后介绍语音文件的格式和分析。2.1 声波的特性声波在空气中是一种纵波，它的振动方向和传播方向是一致的。声音在空气中的振动形成压力波动，

第一章 语音识别概论语音识别的基础理论包括语音的产生和感知过程、语音信号基础知识、语音特征提取等。关键技术包括高斯混合模型（Gaussian Mixture Model，GMM）、隐马尔科夫模型（Hidden Markov Model，HMM）、深度神经网络（Deep Neural Network，DNN），以及基于这些模型形成的GMM-HMM、DNN-HMM 和 端到端（End-to-End，E