语音识别算法原理文档整理(三)
语音识别系统kaldi
相关原理介绍
Kaldi是一个非常强大的语音识别工具库,主要由Daniel Povey开发和维护。目前支持GMM-HMM、SGMM-HMM、DNN-HMM等多种语音识别的模型的训练和预测。其中DNN-HMM中的神经网络还可以由配置文件自定义,DNN、CNN、TDNN、LSTM以及Bidirectional-LSTM等神经网络结构均可支持。
目前在Github上这个项目依旧非常活跃,可以在 https://github.com/kaldi-asr/kaldi 下载代码,以及在http://kaldi-asr.org/ 查看它的文档
EM算法
EM是一种解决存在隐含变量优化问题的有效方法。其方法是不断地建立 的下界(E步),然后优化下界(M步)。有公式证明了ℓ(θ(t)) ≤ ℓ(θ(t+1)),也就是说极大似然估计单调增加。
推导过程网址:http://blog.csdn.net/yzheately/article/details/51164441
实例:
这是一个抛硬币的例子,H表示正面向上,T表示反面向上,参数θ表示正面朝上的概率。硬币有两个,A和B,硬币是有偏的。本次实验总共做了5组,每组随机选一个硬币,连续抛10次。如果知道每次抛的是哪个硬币,那么计算参数θ就非常简单了,如上图所示。
如果不知道每次抛的是哪个硬币呢?那么,我们就需要用EM算法,基本步骤为:
1、给θA和θB一个初始值;
2、(E-step)估计每组实验是硬币A的概率(本组实验是硬币B的概率=1-本组实验是硬币A的概率)。分别计算每组实验中,选择A硬币且正面朝上次数的期望值,选择B硬币且正面朝上次数的期望值;
3、(M-step)利用第三步求得的期望值重新计算θA和θB;
4、当迭代到一定次数,或者算法收敛到一定精度,结束算法,否则,回到第2步。
稍微解释一下上图的计算过程。初始值θA=0.6,θB=0.5。
图中的0.45是怎么得来的呢?由两个硬币的初始值0.6和0.5,容易得出投掷出5正5反的概率是
pA=C(10,5)(0.65)*(0.45),
pB=C(10,5)(0.55)*(0.55), pA/(pA+pB)=0.449, 0.45就是0.449近似而来的,表示第一组实验选择的硬币是A的概率为0.45。图中的2.2H,2.2T是怎么得来的呢? 0.449 * 5H = 2.2H ,0.449 * 5T = 2.2T ,表示第一组实验选择A硬币且正面朝上次数的期望值是2.2,0.55 * 5H = 2.8H ,0.55 * 5T = 2.8T 。
pA=C(10,9)(0.65)*(0.45),
pB=C(10,9)(0.55)*(0.55)
pA/(pA+pB)=0.8
0.8 * 9H = 7.2H ,0.8 * 2T = 0.8T
其他的值依次类推。
参考网址:http://blog.csdn.net/u011300443/article/details/46763743
语音识别算法原理文档整理(三)相关推荐
- django+nginx+uwsgi项目部署文档整理
django+nginx+uwsgi项目部署文档整理 参考文章:https://blog.csdn.net/qq_42314550/article/details/81805328 一.python安 ...
- NodeJS-001-Nodejs学习文档整理(转-出自http://www.cnblogs.com/xucheng)
Nodejs学习文档整理 http://www.cnblogs.com/xucheng/p/3988835.html 1.nodejs是什么: nodejs是一个是javascript能在后台运行的平 ...
- Android 学习文档整理收集
利用闲暇时间整理了一份 Android 学习文档整理收集,希望能够对大家有所帮助,也欢迎各位帮忙补充. Android Android基础入门教程 CSDN主题Android专栏 极客头条Androi ...
- 将Html文档整理为规范XML文档
有多种方式可以在.NET 平台进行HTML文件解析.数据提取,其中最简单.稳妥的办法是先使用工具将Html文档整理成XML文档,再通过XML Dom模型或XPath灵活地进行数据处理.SGML便是一个 ...
- 计算机文件保存方式,Word文档的三种保存方式
word中有多种保存文档的方式.可保存当前处理的活动文档 (活动文档:正在处理的文档.在 Microsoft word 中键入的文本或插入的图形将出现在活动文档中.活动文档的标题栏是突出显示的.),无 ...
- Bootstrap学习文档(三)
Bootstrap 注意下面的组件,很多是需要用到 js 的,所以要引入 Bootstrap 的 js 文件和 jquery 文件在示例代码中,我只是没有写,注意加上哦. 字体图标 Bootstrap ...
- 永磁同步电机的MTPA最大转矩电流比控制算法的仿真模型,有详细的算法设计文档
永磁同步电机的MTPA最大转矩电流比控制算法的仿真模型,有详细的算法设计文档. 永磁同步电机的数学模型: 永磁同步电机的矢量控制原理: 最大转矩电流比控制: 前馈补偿提高抗负载扰动性能: 弱磁控制: ...
- 《信息化项目文档模板三——会议纪要模板》
系列文章目录 <信息化项目文档模板一--项目需求说明书> <信息化项目文档模板二--项目启动会文档模板> <信息化项目文档模板三--会议纪要模板> <信息化项 ...
- 2503平台GPS MT3333秒定参考文档整理 - MTK物联网在线解答 - 技术论坛
2503平台GPS MT3333秒定参考文档整理 [DESCRIPTION] 以下是目前整理的给客户参考的2503秒定测试及GPS介绍的文档,其中均可在DCC上下载. [SOLUTION] 2 ...
最新文章
- OpenGL: 实现立体显示
- 的基本操作_Linux 基本操作命令总结
- php设置加载动画,如何用CSS3制作页面圆圈加载动画(附代码)
- 如果有200万存款吃利息,可以不用上班吗?
- python中如何创建一个空列表_Python创建空列表的字典2种方法详解
- Apache Commons Net 实现 FTP 上传/下载/删除/同步
- android音乐播放器app源码
- 软件测试中根据测试用例设计的方法,测试用例设计方法有哪些?举例说明
- 显著目标检测的研究思路
- 怎么用计算机算组合数c,排列组合c怎么算 公式是什么
- c和cpp实现CPU核上绑定固定线程
- 软件设计师的证书有多少含金量?
- Oracle兵器谱上古神器之-KFED
- PHP 获取客户端 IP 地址
- vc60.pdb打不开怎么办
- PHP redis key
- 呱呱视频技术难点分享:遇到和填上的那些坑
- 新西兰java程序员_在新西兰做程序员是一种什么体验?解析新西兰计算机专业...
- 基于客户端与服务器的管理系统,基于客户端和服务器的点菜系统.doc
- python投票程序
热门文章
- 学好python能干嘛-学Python后到底能干什么
- html上传图片获取物理路径
- WordPress按自定义排序输出指定类别文章插件List category posts
- PostgreSQL编码格式:客户端服务器、客户端、服务器端相关影响
- CLO-域名通信管理局备案
- 一个菜鸟的暑期到底做了些什么
- [计算机毕设]基于java的项目管理平台系统设计与实现(项目报告+答辩PPT+源代码+数据库)
- WindowsPhone7线下沙龙北京站(第三场)
- 深度学习微信精选文章
- html复选框不可修改,html设置复选框的只读效果