Embedded training，嵌入式训练
2024-10-12 19:59:09
一旦初始的模型集被创建后， HERest使用整个训练集来执行"嵌入式训练（embedded training）"，HERest将对全部HMM音素集模型执行一次Baum-Welch，同时重估这些模型的参数。对于每条训练语句，此训练数据包含的相应的音素模型(HMM)将会被连接起来(形成一个大HMM)。前向-后向算法将对序列中（哪个序列？）的每个HMM模型累加状态占有率(.OCCS file？)、均值、方差等统计信息。当处理完所有的训练数据后，累加的统计量将被用来计算模型的参数重估值（为何要处理完才能计算，mdl模型的结构是什么？猜测是一个大型的HMM）。HERest是HTK训练工具的核心。其被设计用来处理大规模的数据库。也可以很方便地使用裁减策略来减少运算量。能够在网络中并行执行（译者注：可将训练数据分成多份，同时并行计算，然后使用累计的统计量重估模型）。
最新文章
- 【转】MVC、MVP与MVT
- SQL Server 2012 新特性
- 静态方法中的this
- 【Swift学习】Swift编程之旅---继承（十七）
- Java集合——题目
- Converting a Polygon ZM shape file to a regular Shape Polygon
- android UI进阶之实现listview的下拉加载
- EC读书笔记系列之16：条款35、36、37、38、39、40
- 第一个WebAPI项目
- （function($){….}）（jQuery）一种js插件写法
- WordPress文章首行缩进
- springboot源码分析-SpringApplication
- jQuery中的动画方法
- 使用samba 共享Linux文件到Windows
- Ubuntu 下常用命令
- Nexus3.6版私服搭建安装与配置教程
- IntelliJ IDEA 快捷键积累
- 深度学习中的Normalization模型
- Linux skbuff注释笔记
- [Java] 理解JVM之二：类加载步骤及内存分配