檢索結果:共5筆資料 檢索策略: cadvisor.raw="林伯慎" and ckeyword.raw="高斯混合模型" and ckeyword.raw="高斯混合模型"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
連結時序分類(CTC)是一種結合動態規劃與深度學習的序列預測方法,其架構與傳統的隱馬夫模型相似,但複雜度較低、卻能獲致更佳的語音辨識效能。過去的研究雖驗證了此方法的有效,然而對於此架構能達到良好效能…
2
傳統上,海洋學的研究係以溫度與鹽度(Temperature-Salinity,T-S)關係來表示水團的特徵。然而,溫度與鹽度特性可能會隨著地理位置、年度、季節、或水層的不同而變化;即使在同一地點,其…
3
本論文主要針對文本無關之語者驗證方法進行研究,提出效能改進的方式,期望能夠找出具實用價值的模型訓練流程與驗證架構。語者驗證系統效能主要會受到三個因素的影響,分別是語者特徵參數、語者模型與訓練流程,以…
4
和弦辨識方法可以分為和弦偵測與產生和弦配置。和弦偵測的目標是預測和弦序列並自動標記,產生和弦配置則是產生和弦序列以建議伴奏及和弦的安排。一般而言,和弦偵測會有標準答案,產生和弦配置則沒有標準答案。由…
5
本研究探討基於雙層濾波器與高斯混合模型分群的影像抽象化方法,改善兩種方法在影像抽象化上參數最佳化與影像品質的問題。在使用雙層濾波器的研究中,我們提出根據影像亂度決定濾波器參數組合的方法,以此可自動找…