连接时序分类 Connectionist Temporal Classification

连接时序分类（Connectionist Temporal Classification，简称 CTC）是一种广泛应用于序列到序列学习任务中的损失函数和建模方法，特别适用于输入序列与输出序列长度不一致、且对齐关系未知的场景。该方法最早于 2006 年提出，被广泛应用于语音识别、手写识别、动作识别等领域。

CTC 的主要目标是在输入序列和输出序列之间没有显式对齐的情况下，训练神经网络模型输出一个与输入序列对齐的标签序列。通过引入空白标签和动态规划算法，自动学习输入序列与输出标签之间的对齐关系，实现端到端的序列建模。