دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1. publ نویسندگان: Watanabe. Shinji, Chien. Jen-Tzung سری: ISBN (شابک) : 9781107055575, 1107055571 ناشر: Cambridge University Press سال نشر: 2015 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب پردازش زبان و گفتار بیزی: زبان و زبان -- مطالعه و تدریس -- روشهای آماری.، نظریه تصمیم گیری آماری بیزی.
در صورت تبدیل فایل کتاب Bayesian speech and language processing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پردازش زبان و گفتار بیزی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
با این راهنمای جامع یاد خواهید گرفت که چگونه تکنیک های یادگیری ماشین بیزی را به طور سیستماتیک برای حل مشکلات مختلف در پردازش گفتار و زبان به کار ببرید. طیف وسیعی از مدلهای آماری، از مدلهای مخفی مارکوف گرفته تا مدلهای مخلوط گاوسی، مدلهای n-gram و مدلهای موضوع پنهان، همراه با برنامههایی از جمله تشخیص خودکار گفتار، تأیید سخنران و بازیابی اطلاعات به تفصیل ارائه شده است. استنتاج های بیزی تقریبی بر اساس تقریب های MAP، Evidence، Asymptotic، VB و MCMC و همچنین مشتقات کامل محاسبات، نمادهای مفید، فرمول ها و قوانین ارائه شده است. نویسندگان به مشکلات کاربردهای ساده می پردازند و مثال های مفصل و مطالعات موردی ارائه می دهند تا نشان دهند چگونه می توانید با موفقیت از روش های استنتاج بیزی عملی برای بهبود عملکرد سیستم های اطلاعاتی استفاده کنید. این منبع ارزشمندی برای دانشجویان، محققان و متخصصان صنعت است که در یادگیری ماشین، پردازش سیگنال، و پردازش گفتار و زبان کار میکنند.
With this comprehensive guide you will learn how to apply Bayesian machine learning techniques systematically to solve various problems in speech and language processing. A range of statistical models is detailed, from hidden Markov models to Gaussian mixture models, n-gram models and latent topic models, along with applications including automatic speech recognition, speaker verification, and information retrieval. Approximate Bayesian inferences based on MAP, Evidence, Asymptotic, VB, and MCMC approximations are provided as well as full derivations of calculations, useful notations, formulas, and rules. The authors address the difficulties of straightforward applications and provide detailed examples and case studies to demonstrate how you can successfully use practical Bayesian inference methods to improve the performance of information systems. This is an invaluable resource for students, researchers, and industry practitioners working in machine learning, signal processing, and speech and language processing
Content: Part I. General Discussion: 1. Introduction
2. Bayesian approach
3. Statistical models in speech and language processing
Part II. Approximate Inference: 4. Maximum a posteriori approximation
5. Evidence approximation
6. Asymptotic approximation
7. Variational Bayes
8. Markov chain Monte Carlo.