- 博客(8)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 期望最大化（EM）算法（讲的很好）
EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。1. Jensen不等式 回顾优化理论中的一些概念。设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。当x是向量时，如果
2013-12-06 15:10:16
2596
转载 最大似然估计算法（简单，通俗易懂）
最大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。简单而言，假设我们要统计全国人口的身高，首先假设这个身高服从服从正态分布，但是该分布的均值与方差未知。我们没有人力与物力去统计全国每个人的身高，但是可以通过采样，获取部分人的身高，然后通过最大似然估计来获取上述假设中的正态分布的均值与方差。 最大似然估计中采样需满足一个很重要的假设，就是所有的采样都是独立
2013-12-06 15:08:36
71087
1
转载 最大后验概率估计算法（简单，通俗易懂）
最大后验估计是根据经验数据获得对难以观察的量的点估计。与最大似然估计类似，但是最大的不同时，最大后验估计的融入了要估计量的先验分布在其中。故最大后验估计可以看做规则化的最大似然估计。 首先，假设x为独立同分布的采样，θ为模型参数,f为我们所使用的模型。那么最大似然估计可以表示为： 现在，假设θ的先验分布为g。通过贝叶斯理论，对于θ的后验分布如下式所示： 最
2013-12-06 15:07:12
7823
翻译 sphinx中用的束搜索（Beam Search Algorithm）算法2
接着上次继续说明束搜索算法，下面是算法示例和算法效率分析1 算法示例例1 B=1 （B为束宽度）下面用表格表示算法流程，用两列表示每一个主循环，第一列每一个加编号的循环显示加入到set的节点，它们按启发权值排序，权值相同的按字母排序，一个节点只被加入到SET一次。第二列每一个编号的循环列出了在第二部分的主循环中SET中的节点，它们将被加入到BEAM中。两列都显示了hash tab
2013-11-11 16:59:27
1419
翻译 sphinx中用的束搜索（Beam Search Algorithm）算法
最近一直在看spinx中的连续语音识别算法，即束搜索算法 束搜索算法是广度优先搜索算法（Breadth-First Search）的一种改进，它是一种节省内存的广度优先搜索算法，此算法包含一个启发函数h和一个给定的束宽度B。用启发函数h估计从给定节点到达目标节点的消费，用束宽度B，指定在每一级的Breadth-First Search中存储的节点数。 Brea
2013-11-08 17:00:13
1122
原创 sphinx4 声学模型自适应
如果你没有足够的数据去训练自己的声学模型，那么做自适应训练会比自己直接训练新的声学模型更好，5分钟的自适应语音就可以达到很好的效果，这是官方维基教程指出的，在谷歌上搜 spinx4 adapt 就可以找到wiki教程，如果你打不开这个网页，那就用代理翻墙，我就是这么干的。 sphinx4和pocketsphinx的自适应训练有一些地方会有所不同，这是因为pocektsphinx的
2013-06-08 23:54:16
2488
2
原创 在DOS环境下运行sphinx4当中的回归测试失败的原因
在运行回归测试之前，要先检查所需要的数据、文件是否齐全，一般会缺少测试数据，需要到相关网站去下载测试用数据，第二步，DOS环境下切换到安装spinx4的根目录下执行 ant 命令（这一步很重要，如果不执行后面的会出错），然后切换到相应的测试目录下 ant相应的程序，就会成功执行了
2013-06-04 21:32:11
652
原创 sphinx4当中的语言模型工具和声学模型工具
在此网站可以看到http://www.speech.cs.cmu.edu/#resources 这两个工具的定位是不同的，SLM是用来训练大数据的，正如官方所说的，如果只是训练几百个句子，杀鸡就不用牛刀了，我们可以选择 Sphinx Knowledge Base Tool，这个工具简单，易用，你所要做的只是给他提供语料，剩下的它会帮你在线完成，这个工具同样也有两个版本，一个简易版，就是刚
2013-06-03 19:32:11
2682
搭建HTK语音拨号系统所需要的音频特征文件，各种脚本文件
2013-05-30
HTK_语音拨号中文教程
2013-05-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人