2020年07月_WuJia_

原创论文阅读《SEMI-SUPERVISED ASR BY END-TO-END SELF-TRAINING》

《SEMI-SUPERVISED ASR BY END-TO-END SELF-TRAINING》链接：https://pan.baidu.com/s/1aYgZxWZuaNba-azxUaAyog提取码：bo0m论文题目《端到端自训练半监督ASR》作者杨晨-俄亥俄州立大学王蔚然-Salesforce研究王超-亚马逊亚历山大摘要基于深度学习的端到端自动语音识别（ASR）系统虽然大大简化了建模流程，但存在数据稀疏问题。在这项工作中，我们提出了一个端到端系统的半监督ASR自训练方法。

2020-07-27 10:43:37 699

原创论文阅读《SUPERPOSITION AS DATA AUGMENTATION USING LSTM AND HMM IN SMALL TRAINING SETS》

《SUPERPOSITION AS DATA AUGMENTATION USING LSTM AND HMM IN SMALL TRAINING SETS》链接：https://pan.baidu.com/s/1hMljmjUvC0e7TwZUB7oyTw提取码：p9kk摘要考虑到音频和图像数据具有量子性（数据用密度矩阵表示），我们采用叠加增强的方法混合训练样本，在三层叠加的LSTM和HMM等训练结构上取得了较好的效果，并与普通的默认训练和混合增加进行了比较。这种增强技术源于混合方法，但基于量子特性

2020-07-24 16:03:34 243

原创第一部分传统的声学模型（更新中）

第一部分总览：一：混合高斯模型1.1 随机变量连续性随机变量x，在x=a处的概率密度函数定义为：

2020-07-07 09:07:22 395

原创 Tutuu学习资源合集

为了自己方便随时寻找学习资源，将会不断更新~机器学习数据资源数据集来自美国加州大学欧文分校，已经提供了200多个可用的数据集在线公式编辑器常用的CSDN的公式编辑器机器学习实战《机器学习实战》书上的所有源码和英文版电子书...

2020-07-06 18:33:51 2031

原创 EM算法理论与Python代码实践

本次学习主要参考李航老师《统计学习方法》第九章EM算法及其推广和俞栋老师《语音识别实践》第一部分传统声学模型中隐马尔可夫模型及其变体EM算法的引入如果概率模型的变量都是观测变量，那么给定数据就可以直接用极大似然估计法或者贝叶斯估计法估计模型参数，但是当模型含有隐变量的时候就不能简单的使用这些估计方法。EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。 EM算法的每次迭代由两部组成：E步，求期望；M步，求极大。EM算法输入：观测变量数据Y，隐变量数据Z，联合分布

2020-07-06 17:57:51 308 1

原创《Python编程入门到实践》第十二章武装飞船

安装Pygame在此处代码的实参应为元组而不是int所以应修改为：

2020-07-01 11:40:01 404

WuJia_的博客

原创论文阅读《SEMI-SUPERVISED ASR BY END-TO-END SELF-TRAINING》

原创论文阅读《SUPERPOSITION AS DATA AUGMENTATION USING LSTM AND HMM IN SMALL TRAINING SETS》

原创第一部分传统的声学模型（更新中）

原创 Tutuu学习资源合集

原创 EM算法理论与Python代码实践

原创《Python编程入门到实践》第十二章武装飞船

空空如也

空空如也

原创 论文阅读《SEMI-SUPERVISED ASR BY END-TO-END SELF-TRAINING》

原创 论文阅读《SUPERPOSITION AS DATA AUGMENTATION USING LSTM AND HMM IN SMALL TRAINING SETS》

原创 第一部分 传统的声学模型（更新中）

原创 Tutuu学习资源合集

原创 EM算法理论与Python代码实践

原创 《Python编程入门到实践》第十二章 武装飞船

空空如也

空空如也

原创论文阅读《SEMI-SUPERVISED ASR BY END-TO-END SELF-TRAINING》

原创论文阅读《SUPERPOSITION AS DATA AUGMENTATION USING LSTM AND HMM IN SMALL TRAINING SETS》

原创第一部分传统的声学模型（更新中）

原创《Python编程入门到实践》第十二章武装飞船