前言 机器学习大多数属于浅层模型(如GMM、HMM),浅层模型非线性变换能力较弱,不足以刻画复杂的语音数据(高维特征),识别性能提升非常有限,因此本课题针对声学模型GMM-HMM进行改进。由于GMM的输入是单帧,忽视了协同发音的影响,因此使用拼接帧作为深度神经网络(DNN)的输入对观测概率建模。传统的HMM和RNN都可以对时序建模,由于HMM是
那HMM训练是有这样一个拓扑结构,这个输出分布换成GMM或者是换成DNN,这样的分布,大家建模的时候实际上拓扑是固定了,大家只是训练这部分,这部分东西。我们先得到一个模型初值,切分出边界,在固定边界的学习下,把GMM和DNN模型调到最优,这是我们传统的一个学习分量方法。 虽然我们实现了动态训练分类,但是我们的训练和本质...
我们到底下载了什么? Tensorflow:这是一个机器学习框架。 Pandas:这是一个有助于分析和轻松完成数据准备的库。 scikit-learn:这是一个机器学习库,它具有各种机器学习算法,并且还执行必要的辅助函数。 NumPy:这是一个可以在多维数组和矩阵上执行高级数学函数的库。 SciPy:这是一个用于科学计算和技术计算的库。 Pip:...
This paper intends to apply the Hidden Markov Model into stock market and and make predictions. Moreover, four different methods of improvement, which are GMM-HMM, XGB-HMM, GMM-HMM+LSTM and XGB-HMM+LSTM, will be discussed later with the results of experiment respectively. After that we will...