是否存在利用某种自上而下信息传输（不仅在训练期间）的深度学习模型？

例如，如果模型用于语音识别。下层会听样本并说：“‘一’这个词，‘二’这个词，我无法理解这个样本是什么”。然后上层会建议：“会不会是‘三’这个词，在‘一’和‘二’之后并不少见”。然后下层就像：“既然你说了！当然是‘三’”

我很确定这样的架构是可靠语音识别的必要条件，尤其是在嘈杂的环境中。