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
دسته بندی: سازمان و پردازش داده ها ویرایش: نویسندگان: Frederick Jelinek سری: Language, Speech, and Communication ISBN (شابک) : 0262100665, 9780262100663 ناشر: A Bradford Book سال نشر: 1998 تعداد صفحات: 305 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب روش های آماری برای تشخیص گفتار: علوم و مهندسی کامپیوتر، پردازش داده رسانه، پردازش صدا، پردازش گفتار
در صورت تبدیل فایل کتاب Statistical Methods for Speech Recognition 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 روش های آماری برای تشخیص گفتار 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.
این کتاب دهه ها تحقیق مهم در زمینه مبانی ریاضی تشخیص گفتار را منعکس می کند. بر روی تکنیکهای آماری زیربنایی مانند مدلهای مارکوف پنهان، درختهای تصمیم، الگوریتم حداکثرسازی انتظار، معیارهای خوبی نظری اطلاعات، تخمین احتمال حداکثر آنتروپی، خوشهبندی پارامترها و دادهها، و هموارسازی توزیعهای احتمال تمرکز دارد. هدف نویسنده ارائه این اصول به وضوح در ساده ترین محیط، نشان دادن مزایای خودسازماندهی از داده های واقعی، و قادر ساختن خواننده به استفاده از تکنیک ها است.
This book reflects decades of important research on the mathematical foundations of speech recognition. It focuses on underlying statistical techniques such as hidden Markov models, decision trees, the expectation-maximization algorithm, information theoretic goodness criteria, maximum entropy probability estimation, parameter and data clustering, and smoothing of probability distributions. The author's goal is to present these principles clearly in the simplest setting, to show the advantages of self-organization from real data, and to enable the reader to apply the techniques.