دانلود کتاب Automatic Speech and Speaker Recognition: Large Margin and Kernel Methods (به فارسی: تشخیص خودکار گفتار و بلندگو: روش‌های حاشیه بزرگ و هسته) نوشته شده توسط «Joseph Keshet – Samy Bengio»
اطلاعات کتاب تشخیص خودکار گفتار و بلندگو: روش‌های حاشیه بزرگ و هسته
موضوع اصلی: سایبرنتیک: هوش مصنوعی
نوع: کتاب الکترونیکی
ناشر: Wiley
نویسنده: Joseph Keshet – Samy Bengio
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2009
تعداد صفحه: 257
حجم کتاب: 3 مگابایت
کد کتاب: 0470696834 , 9780470696835 , 9780470742037
توضیحات کتاب تشخیص خودکار گفتار و بلندگو: روش‌های حاشیه بزرگ و هسته
این کتاب روش‌های حاشیه و هسته بزرگ برای تشخیص گفتار و سخنران را مورد بحث قرار می‌دهد
تشخیص گفتار و سخنران: روش‌های حاشیه بزرگ و هسته مجموعه‌ای از تحقیقات در پیشرفت‌های اخیر در روش‌های حاشیه بزرگ و هسته است که در این زمینه اعمال می‌شود. تشخیص گفتار و گوینده مبانی نظری و عملی این روش‌ها، از ماشین‌های بردار پشتیبان گرفته تا روش‌های حاشیه بزرگ برای یادگیری ساختاریافته را ارائه می‌کند. همچنین نمونه‌هایی از مدل‌سازی آکوستیک مبتنی بر حاشیه بزرگ برای تشخیص‌دهنده‌های گفتار پیوسته، که در آن زمینه‌ها برای یادگیری توالی حاشیه بزرگ عملی تنظیم شده است، ارائه می‌کند. روش‌های حاشیه بزرگ برای مدل‌سازی زبان متمایز و تأیید گوینده مستقل از متن نیز در این کتاب مورد بررسی قرار گرفته‌اند.
ویژگی‌های کلیدی:
- یک عکس فوری به‌روز از وضعیت فعلی تحقیقات در این زمینه ارائه می‌کند
- جنبه‌های مهم گسترش ماشین بردار پشتیبانی باینری به برنامه‌های تشخیص گفتار و بلندگو را پوشش می‌دهد
- درباره الگوریتم‌های حاشیه بزرگ و روش هسته برای پیش‌بینی توالی مورد نیاز برای مدل‌سازی صوتی بحث می‌کند
- کار گذشته و حال را در مورد آموزش متمایز مدل‌های زبان بررسی می‌کند، و الگوریتم‌های مختلف حاشیه بزرگ را برای استفاده از برچسب‌گذاری بخشی از گفتار توصیف می‌کند
- نظرسنجی کار اخیر در مورد استفاده از رویکردهای هسته برای تأیید گوینده مستقل از متن، و مفاهیم اصلی و الگوریتم‌ها را معرفی می‌کند
- کار اخیر روی رویکردهای هسته برای یادگیری ماتریس شباهت از داده‌ها را بررسی می‌کند
این کتاب مورد توجه محققان، پزشکان، مهندسان و دانشمندان در زمینه های پردازش گفتار و یادگیری ماشین خواهد بود.
Speech and Speaker Recognition: Large Margin and Kernel Methods is a collation of research in the recent advances in large margin and kernel methods, as applied to the field of speech and speaker recognition. It presents theoretical and practical foundations of these methods, from support vector machines to large margin methods for structured learning. It also provides examples of large margin based acoustic modelling for continuous speech recognizers, where the grounds for practical large margin sequence learning are set. Large margin methods for discriminative language modelling and text independent speaker verification are also addressed in this book.
Key Features:
- Provides an up-to-date snapshot of the current state of research in this field
- Covers important aspects of extending the binary support vector machine to speech and speaker recognition applications
- Discusses large margin and kernel method algorithms for sequence prediction required for acoustic modeling
- Reviews past and present work on discriminative training of language models, and describes different large margin algorithms for the application of part-of-speech tagging
- Surveys recent work on the use of kernel approaches to text-independent speaker verification, and introduces the main concepts and algorithms
- Surveys recent work on kernel approaches to learning a similarity matrix from data
This book will be of interest to researchers, practitioners, engineers, and scientists in speech processing and machine learning fields.
دانلود کتاب «تشخیص خودکار گفتار و بلندگو: روش‌های حاشیه بزرگ و هسته»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.