总体框架

这里写图片描述

输入

Treat acoustic(听觉的) input O as sequence of individual observations

O=o1,o2,...,ot

结果

Define sentence as a sequence of words

W=w1,w2,...,wn

判断模型

  • 最大概率: W=arg maxWL P(W|O)
  • 贝叶斯: W=arg maxWL P(O|W)P(W)P(O)
  • 化简:由于 P(O) 对所有 W 一样,W=arg maxWL P(O|W)P(W)

模型

这里写图片描述

  • Feature Extraction: 39 “MFCC” features
  • Acoustic Model: Gaussians for computing p(o|q)
  • Lexicon(词典)/Pronunciation(发音) Model: HMM, what phones can follow each other
    这里写图片描述


    这里写图片描述

  • Language Model: N-grams for computing p(wi|wi1)

markov chian

  • states: Q=q1,q2,...,qN , qt is the state at time t.
  • transition probability: A=[a11,a12,...,aNN]
    • aij is the probability of trasition from i to j.
    • aij=P(qt1=i|qt=j)
    • Nj=1aij=1 , for i[1,N]
  • markov assumption:
    • P(qi|q1q2...qi1)=P(qi|qi1)
  • initial status
    • πi=P(q1=i)
    • Nj=1πj=1

hidden markov chian

这里写图片描述

three problem

这里写图片描述

thrid problem

这里写图片描述
这里写图片描述
这里写图片描述

以上所有内容从以下附件中抽取

Logo

CSDN联合极客时间,共同打造面向开发者的精品内容学习社区,助力成长!

更多推荐