檢索結果：共5筆資料 檢索策略： "林伯慎".cadvisor (精準) 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…