Willkommen, schön sind Sie da!
Logo Ex Libris

Hybride Spracherkennung

  • Kartonierter Einband
  • 124 Seiten
(0) Erste Bewertung abgeben
Bewertungen
(0)
(0)
(0)
(0)
(0)
Alle Bewertungen ansehen
Hidden-Markov-Modelle (HMM) und parametrische Wahrscheinlichkeitsdichteschätzungen bilden den Kern heutiger Spracherkennerarchitek... Weiterlesen
20%
82.00 CHF 65.60
Print on demand - Exemplar wird für Sie besorgt.

Beschreibung

Hidden-Markov-Modelle (HMM) und parametrische Wahrscheinlichkeitsdichteschätzungen bilden den Kern heutiger Spracherkennerarchitekturen. Während Hidden-Markov-Modelle die zeitliche Variabilität der Sprache gut modellieren, ist es möglich, die akustischen Komponenten sehr viel robuster durch verteilungsfreie Klassifikatoren abzubilden. Zu dieser Gruppe gehört auch die Support-Vector-Machine (SVM), ein elegantes und in vielen Anwendungen nachweislich sehr erfolgreiches Lernverfahren zur Musterklassifikation. In dem vorliegenden Buch wird eine Möglichkeit zur Kombination der Vorteile beider Ansätze zu einem hybriden Gesamtkonzept vorgestellt. Neben der Einführung in die Spracherkennung und der Theorie von Support-Vector-Machines gibt der Autor einen umfassenden Einblick in die eigens entwickelte und frei verfügbare SVM-Trainings- und -Testsoftware für segmentierte Sprachdaten. Auf Grundlage dieser kombinierten Architektur wird die Leistung des Spracherkenners algorithmisch realisiert, experimentell untersucht und bewertet. Das Buch richtet sich an Entwickler und Forscher, aber auch an Studenten des höheren Semesters.

Autorentext

Herr Dipl.-Ing. (FH) André Stuhlsatz hat seinen Abschluss im Fach Elektrotechnik an der FH-Düsseldorf im Jahr 2003 erhalten. Er war am Fraunhofer Institut FIT beschäftigt und ist jetzt im Labor für Mustererkennung der FH-Düsseldorf tätig. Er verfolgt seine Promotion über Lernverfahren am Lehrstuhl für Kognitive Systeme der Universität Magdeburg.

Klappentext

Hidden-Markov-Modelle (HMM) und parametrische Wahrscheinlichkeitsdichteschätzungen bilden den Kern heutiger Spracherkennerarchitekturen. Während Hidden-Markov-Modelle die zeitliche Variabilität der Sprache gut modellieren, ist es möglich, die akustischen Komponenten sehr viel robuster durch verteilungsfreie Klassifikatoren abzubilden. Zu dieser Gruppe gehört auch die Support-Vector-Machine (SVM), ein elegantes und in vielen Anwendungen nachweislich sehr erfolgreiches Lernverfahren zur Musterklassifikation. In dem vorliegenden Buch wird eine Möglichkeit zur Kombination der Vorteile beider Ansätze zu einem hybriden Gesamtkonzept vorgestellt. Neben der Einführung in die Spracherkennung und der Theorie von Support-Vector-Machines gibt der Autor einen umfassenden Einblick in die eigens entwickelte und frei verfügbare SVM-Trainings- und -Testsoftware für segmentierte Sprachdaten. Auf Grundlage dieser kombinierten Architektur wird die Leistung des Spracherkenners algorithmisch realisiert, experimentell untersucht und bewertet. Das Buch richtet sich an Entwickler und Forscher, aber auch an Studenten des höheren Semesters.

Produktinformationen

Titel: Hybride Spracherkennung
Untertitel: Eine HMM/SVM-Systemintegration
Autor:
EAN: 9783639100624
ISBN: 978-3-639-10062-4
Format: Kartonierter Einband
Herausgeber: VDM Verlag Dr. Müller e.K.
Genre: Naturwissenschaften allgemein
Anzahl Seiten: 124
Gewicht: 321g
Größe: H222mm x B153mm x T18mm
Jahr: 2013