![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语音识别
文章平均质量分 75
一步一个脚印的屌丝
一个数学屌丝,走在it的道路上。
展开
-
语音识别一些概率知识--似然估计/最大似然估计/高斯混合模型
在语音识别中,概率模型占了至关重要的地位,在学习语音识别技术前,自己还是好好整理一下相关的概率知识。1.似然估计1.1原理在数理统计学中,似然函数是一种关于统计模型中的参数的函数,表示模型参数中的似然性。似然函数在统计推断中有重大作用,如在最大似然估计和费雪信息之中的应用等等。“似然性”与“或然性”或“概率”意思相近,都是指某种事件发生的可能性,但是在统计学中,“似然性”和“或然性”或原创 2013-08-06 14:18:56 · 4313 阅读 · 0 评论 -
深度神经网络学习资料整理
一 一个tutorial的概括 转自:http://blog.csdn.net/txdb/article/details/6766373前2天看到新闻说,用微软用深度神经网络大幅度提高了语言识别的正确率http://research.microsoft.com/en-us/news/features/speechrecognition-082911.aspx于是对深度学习有了兴趣,由于原创 2013-09-04 14:19:50 · 1951 阅读 · 0 评论 -
Free/open-source machine translation software
转自:http://computing.dcu.ie/~mforcada/fosmt.htmlHere's a non-exhaustive list of links to existing free/open-source machine translation systems, which I will try to complete as I find about them. To t转载 2013-09-02 18:00:55 · 2162 阅读 · 0 评论 -
机器学习--交叉验证
转自:交叉验证(Cross validation),有时亦称循环估计, 是一种统计学上将数据样本切割成较小子集的实用方法。于是可以先在一个子集上做分析, 而其它子集则用来做后续对此分析的确认及验证。 一开始的子集被称为训练集。而其它的子集则被称为验证集或测试集。交叉验证是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力(generalize),交叉验证一般要尽量满足:转载 2013-08-29 14:44:35 · 6199 阅读 · 0 评论 -
SRILM---语言模型训练工具SRILM详解
转自:http://www.52nlp.cn/language-model-training-tools-srilm-details SRILM是著名的约翰霍普金斯夏季研讨会(Johns Hopkins Summer Workshop)的产物,诞生于1995年,由SRI实验室的Andreas Stolcke负责开发维护。 关于SRILM的安装,我已经在前面关于moses平台搭建的文章(转载 2013-08-20 11:22:11 · 2339 阅读 · 0 评论 -
机器学习1---资料
一 深度学习笔记:http://blog.csdn.net/zouxy09/article/details/8775360二 深度学习turtol:http://blog.csdn.net/abcjennifer/article/details/7826917原创 2013-08-19 16:38:27 · 1131 阅读 · 0 评论 -
SRILM--语言模型--N-Gram基本介绍
转自:http://hi.baidu.com/isswangqing/item/1b8e3ad096c286be32db9033N-Gram是常用的一种语言模型,该模型基于这样一种假设,第n个词的出现只与前面N-1个词相关,而与其它任何词都不相关,整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计N个词同时出现的次数得到。设w1 w2 ⋯w n 是长度为n的词串,转载 2013-08-19 14:10:44 · 3434 阅读 · 0 评论 -
centos系统安装
centos 系统安装教程:http://www.jb51.net/os/85895.html原创 2013-08-07 12:47:47 · 1188 阅读 · 0 评论 -
基于DTW算法的语音识别原理与实现
【摘 要】以一个能识别数字0~9的语音识别系统的实现过程为例,阐述了基于DTW算法的特定人孤立词语音识别的基本原理和关键技术。其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论,最后给出了在Matlab下的编程方法和实验结果。【关键字】语音识别;端点检测;MFCC系数;DTW算法【中图分类号】TN912.34 【文献标识码】A0 引言自计算机诞生以来,通过语音转载 2013-08-07 09:38:51 · 18482 阅读 · 8 评论 -
语音识别系统的声学建模:隐马尔可夫模型(HMM)
转自:http://blog.1688.com/article/i25547966.html【导读】语音识别系统的模型通常由声学模型和语言模型两部分组成,分别对应于语音到音节概率的计算和音节到字概率的计算。本文详细介绍了语音识别系统基于一阶隐马尔可夫模型(HMM)的声学建模。隐马尔可夫模型(Hidden Markov Model,HMM)是马尔可夫链的一种,作为一种统计分析转载 2013-08-07 09:37:42 · 8721 阅读 · 0 评论 -
EM算法
EM算法作者:罗维初稿:2011年1月15日修正:2012年1月14日很碰巧,时隔一年了。面对经典的EM算法,我有了新的认识。经常有人谈到它就是"鸡生蛋,蛋生鸡"的解法,这个很通俗,但是只了解到这一层,是远不够的…… EM算法的全名是Expectation Maximization,中文名叫期望最大化算法。它是一个在含有隐变量的模型中常用的算法,在最大似然估计(ML转载 2013-08-06 17:44:28 · 1905 阅读 · 0 评论 -
HMM学习笔记_2(从一个实例中学习HMM前向算法)
HMM学习笔记_2(从一个实例中学习HMM前向算法) HMM算法想必大家已经听说了好多次了,完全看公式一头雾水。但是HMM的基本理论其实很简单。因为HMM是马尔科夫链中的一种,只是它的状态不能直接被观察到,但是可以通过观察向量间接的反映出来,即每一个观察向量由一个具有相应概率密度分布的状态序列产生,又由于每一个状态也是随机分布的,所以HMM是一个双重随机过程。 HMM是转载 2013-08-06 17:17:27 · 1343 阅读 · 0 评论 -
HMM学习笔记_1(从一个实例中学习DTW算法)
HMM学习笔记_1(从一个实例中学习DTW算法) DTW为(Dynamic Time Warping,动态时间归准)的简称。应用很广,主要是在模板匹配中,比如说用在孤立词语音识别,计算机视觉中的行为识别,信息检索等中。可能大家学过这些类似的课程都看到过这个算法,公式也有几个,但是很抽象,当时看懂了但不久就会忘记,因为没有具体的实例来加深印象。 这次主要是用语音识别课程老转载 2013-08-06 17:16:39 · 1360 阅读 · 0 评论 -
HMM学习笔记_3(从一个实例中学习Viterbi算法)
HMM学习笔记_3(从一个实例中学习Viterbi算法) 在上一篇博客http://www.cnblogs.com/tornadomeet/archive/2012/03/24/2415583.html中,我们已经从一个例子中学会了HMM的前向算法,解决了HMM算法的第一个问题,即模型评估问题。这一讲中我们来解决第二个问题:HMM的解码问题,即即给定观测序列 O=O1O2O3…转载 2013-08-06 17:18:19 · 1444 阅读 · 0 评论 -
转 NLP资源
最近把一些在网上见到的自然语言处理的资源整理了一下,包括论文列表、软件资源和一些实验室主页、个人主页等,希望能对NLP研究者有所帮助,由于个人视野有限,目前只整理了这些,以后会持续更新。在此也感谢这些资源的提供者和维护者。转载请标明出处(http://blog.csdn.net/xuh5156/article/details/7437475)论文、博客1.转载 2014-08-08 13:42:48 · 1341 阅读 · 0 评论