ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Connectionist Speech Recognition: A Hybrid Approach

دانلود کتاب تشخیص گفتار پیوندگرا: یک رویکرد ترکیبی

Connectionist Speech Recognition: A Hybrid Approach

مشخصات کتاب

Connectionist Speech Recognition: A Hybrid Approach

ویرایش: 1 
نویسندگان: ,   
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 

قیمت کتاب (تومان) : 30,000



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



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


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.


توضیحاتی در مورد کتاب تشخیص گفتار پیوندگرا: یک رویکرد ترکیبی



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.


توضیحاتی درمورد کتاب به خارجی

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.



فهرست مطالب

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




نظرات کاربران