發(fā)簡(jiǎn)信
IP屬地：貴州
-
基于kaldi的聲紋識(shí)別
聲紋識(shí)別基本原理： 1、建立通用背景模型（UBM） 使用大量的非目標(biāo)語(yǔ)音構(gòu)建一個(gè)通用背景模型（exp/full_ubm_1024/final.u...
-
kaldi lattice（網(wǎng)格）
https://shiweipku.gitbooks.io/chinese-doc-of-kaldi/content/lattice.html ...
-
kaldi總結(jié)一、相關(guān)軟件及包的安裝 將kaldi從 github 下載到本地掷贾，進(jìn)去 kaldi 目錄下搀擂，根據(jù) INSTALL 進(jìn)入 kaldi 目錄下的 s...
-
Weighted Finite-State Transducers（WFST私痹，加權(quán)有限狀態(tài)轉(zhuǎn)換器）
總結(jié)來(lái)源于此佛南。 加粗圈代表初始狀態(tài)（0）武鲁；普通圈代表中間狀態(tài)（1,2）绷雏；雙圈代表終止?fàn)顟B(tài)（3）头滔。 1. ∑ 是輸入集合∑ = {a, b, c,...
-
TensorFlow 非常基礎(chǔ)的知識(shí)筆記
1之众、TensorFlow（tf）變量的類(lèi)型及使用方法 （1） tf.constant() 先定義變量拙毫，后直接使用 tf.Session(...
-
決策樹(shù)（DecisionTree）和隨機(jī)森林（Random Forests）
Random Forest（隨機(jī)森林）算法是通過(guò)訓(xùn)練多個(gè)決策樹(shù)，生成模型棺禾，然后綜合利用多個(gè)決策樹(shù)進(jìn)行分類(lèi)缀蹄。 1. 單棵決策樹(shù)的構(gòu)建： （1）訓(xùn)練...
-
隱馬爾可夫模型（Hidden Markov Model，HMM）總結(jié)來(lái)自此鏈接 假設(shè)我手里有三個(gè)不同的骰子膘婶。第一個(gè)骰子是我們平常見(jiàn)的骰子（稱(chēng)這個(gè)骰子為D6）缺前，6個(gè)面，每個(gè)面（1悬襟，2衅码，3，4脊岳，5逝段，6）出現(xiàn)的概率...
-
Filter Banks & MFCCs推薦一個(gè)非常好的網(wǎng)址垛玻，它介紹 filter banks 和 MFCCs 得非常好。 并且我的總結(jié)就是來(lái)自于這個(gè)網(wǎng)址, 并且學(xué)習(xí)到的代碼記錄在gi...
-
Fully-Connected Layer ----> Locally-Connected Layer ----> Convolutional LayerFully-Connected Layer ---- 全連接層 Locally-Connected Layer ---- 局部連接層 Convo...