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 نویسندگان: Hervé A. Bourlard, Nelson Morgan (auth.) سری: The Springer International Series in Engineering and Computer Science 247 ISBN (شابک) : 9781461364092, 9781461532101 ناشر: Springer US سال نشر: 1994 تعداد صفحات: 328 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 29 مگابایت
کلمات کلیدی مربوط به کتاب تشخیص گفتار پیوندگرا: یک رویکرد ترکیبی: مدارها و سیستم ها، فیزیک آماری، سیستم های دینامیکی و پیچیدگی، سیگنال، پردازش تصویر و گفتار، مهندسی برق
در صورت تبدیل فایل کتاب Connectionist Speech Recognition: A Hybrid Approach 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 تشخیص گفتار پیوندگرا: یک رویکرد ترکیبی 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.
تشخیص گفتار ارتباطگرا: یک رویکرد ترکیبی نظریه و
اجرای روشی را برای ترکیب رویکردهای شبکه عصبی در پیشرفته ترین
سیستم های تشخیص گفتار پیوسته بر اساس مدل های پنهان مارکوف
(HMM) برای بهبود آنها توصیف می کند. کارایی. در این چارچوب،
شبکههای عصبی (و به ویژه، پرسپترونهای چندلایه یا MLPs) به
وظایف فرعی کاملاً تعریفشده کل سیستم، یعنی تخمین احتمال
انتشار HMM و استخراج ویژگی محدود شدهاند.
این کتاب یک همکاری بین المللی موفق پنج ساله بین نویسندگان را
شرح می دهد. درس های آموخته شده یک مطالعه موردی را تشکیل می
دهد که نشان می دهد چگونه سیستم های ترکیبی را می توان برای
ترکیب شبکه های عصبی با رویکردهای آماری سنتی تر توسعه داد. این
کتاب مزایا و محدودیت های شبکه های عصبی را در چارچوب یک سیستم
آماری نشان می دهد.
با استفاده از پایگاه های داده استاندارد و مقایسه با برخی از
رویکردهای مرسوم، نشان داده شده است که تخمین احتمال MLP می
تواند عملکرد تشخیص را بهبود بخشد. روشهای دیگر مورد بحث قرار
میگیرند، اگرچه چنین نتیجه تجربی صریحی برای این روشها وجود
ندارد.
تشخیص گفتار کانکشنیست برای هر کسی که قصد استفاده از
شبکه های عصبی را برای تشخیص گفتار یا در چارچوب ارائه شده توسط
یک رویکرد آماری موفق موجود دارد، کاربرد دارد. این شامل
گروههای تحقیق و توسعه است که در زمینه تشخیص گفتار، هر دو با
رویکردهای استاندارد و شبکه عصبی، و همچنین سایر محققان شناسایی
الگو و/یا شبکههای عصبی کار میکنند. این کتاب همچنین به عنوان
متنی برای دوره های پیشرفته شبکه های عصبی یا پردازش گفتار
مناسب است.
Connectionist Speech Recognition: A Hybrid Approach
describes the theory and implementation of a method to
incorporate neural network approaches into state of the art
continuous speech recognition systems based on hidden Markov
models (HMMs) to improve their performance. In this
framework, neural networks (and in particular, multilayer
perceptrons or MLPs) have been restricted to well-defined
subtasks of the whole system, i.e. HMM emission probability
estimation and feature extraction.
The book describes a successful five-year international
collaboration between the authors. The lessons learned form a
case study that demonstrates how hybrid systems can be
developed to combine neural networks with more traditional
statistical approaches. The book illustrates both the
advantages and limitations of neural networks in the
framework of a statistical systems.
Using standard databases and comparison with some
conventional approaches, it is shown that MLP probability
estimation can improve recognition performance. Other
approaches are discussed, though there is no such unequivocal
experimental result for these methods.
Connectionist Speech Recognition is of use to anyone
intending to use neural networks for speech recognition or
within the framework provided by an existing successful
statistical approach. This includes research and development
groups working in the field of speech recognition, both with
standard and neural network approaches, as well as other
pattern recognition and/or neural network researchers. The
book is also suitable as a text for advanced courses on
neural networks or speech processing.
Front Matter....Pages i-xxviii
Front Matter....Pages 2-2
Introduction....Pages 3-13
Statistical Pattern Classification....Pages 15-25
Hidden Markov Models....Pages 27-58
Multilayer Perceptrons....Pages 59-80
Front Matter....Pages 81-81
Speech Recognition Using ANNs....Pages 83-114
Statistical Inference in MLPs....Pages 115-153
The Hybrid HMM/MLP Approach....Pages 155-183
Experimental Systems....Pages 185-200
Context-Dependent MLPs....Pages 201-213
System Tradeoffs....Pages 215-221
Training Hardware and Software....Pages 223-230
Front Matter....Pages 231-231
Cross-validation in MLP Training....Pages 233-241
HMM/MLP and Predictive Models....Pages 243-252
Feature Extraction by MLP....Pages 253-263
Front Matter....Pages 265-265
Final System Overview....Pages 267-274
Conclusions....Pages 275-280
Back Matter....Pages 281-313