صفحه محصول - پاورپوینت پياده سازي مدل هاي مخفي مارکوف پيوسته همراه با قابليت اعمال مدل زباني، گرامر، روشهاي جستجو و قابليت تطبيق مدل ها

پاورپوینت پياده سازي مدل هاي مخفي مارکوف پيوسته همراه با قابليت اعمال مدل زباني، گرامر، روشهاي جستجو و قابليت تطبيق مدل ها (pptx) 18 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 18 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا   پياده سازي مدل هاي مخفي مارکوف پيوسته همراه با قابليت اعمال مدل زباني، گرامر، روشهاي جستجو و قابليت تطبيق مدل ها     بازشناسي گفتار پردازش گفتار کاربردها گفتار گسسته و پيوسته نگاهي به فرآيند بازشناسي گفتار گرفتن فايل صوتي و استخراج ويژگي استفاده از مدلهاي واحدهاي گفتاري (با فرض داشتن مدلهاي آموزش داده شده از قبل) استفاده از الگوريتم هاي جستجو و بازشناسي گفتار مدل مخفي مارکوف روشي براي مدل کردن پديده هاي تصادفي مسئله گلوله ها و ظرف ها مدل هاي مخفي مارکوف گسسته و پيوسته مدل مخفي مارکوف (ادامه) پارامترهاي مدل احتمال شروع (بردار π) احتمال انتقال (ماتريس A) احتمال مشاهدات (ماتريس B در حالت گسسته) هر مدل بصورت λ=(π, A, B) سه مسئله اساسي در مورد مدل مخفي مارکوف محاسبه P(O|λ) پيدا کردن دنباله حالات بهينه پيدا کردن مقدار بهينه براي پارامترها مدل مخفي مارکوف (ادامه) انواع توپولوژي مدل هاي پيوسته با مخلوط هاي گوسي متعدد مقدار اوليه پارامترهاي مدل تطبيق مدل هاي مخفي مارکوف هدف از تطبيق بازشناسي مستقل از گوينده بازشناسي وابسته به گوينده روش هاي تطبيق MLLR (Maximum Likelihood Linear Regression) MAP (Maximum A Posteriori) مدل هاي زباني تعريف مدل زباني ساختاري (کاهش فضاي جستجو) احتمالي (تخمين هزينه) کاربرد انواع مدل زباني در جستجوي واج ها N-gram واج ها نحوه قرارگيري واج ها در کنار هم (CV, CVC, CVCC) جستجوي کلمات N-gram کلمات قواعد نحوي زبان RE CFG مسئله جستجو انواع روش هاي جستجوي قابل استفاده در بازشناسي گفتار جستجوي جامع (کور) جستجوي A* جستجوي شعاعي امکان تخمين مسير باقيمانده هميشه وجود ندارد کاهش زمان جستجو از حالت نمايي ( ) به w×b جستجوي ويتربي همگام با زمان شعاعي ويتربي همگام با زمان شعاعي روش هاي استفاده شده استخراج بردارهاي ويژگي توسط HTK مدل هاي مخفي مارکوف براي هر واج يک مدل سه حالته با 16 mixture در هر حالت تخمين اوليه احتمال مشاهدات (پارامترهاي توزيع هاي گوسي) استفاده از الگوريتم ويتربي و توزيع مشاهدات بين حالت ها استفاده از الگوريتم Splitting LBG ساير پارامترهاي مدل مقدار تصادفي مي گيرند