Andere Kunden interessierten sich auch für
![Machine Learning Paradigms for Speech Recognition]( "Machine Learning Paradigms for Speech Recognition")
Machine Learning Paradigms for Speech Recognition29,99 €![Einführung in C Programmierung Sprache]( "Einführung in C Programmierung Sprache")
Einführung in C Programmierung Sprache60,90 €![HERZINFARKT-VORHERSAGESYSTEM AUF BASIS VON BIGDATA MIT R-SPRACHE]( "HERZINFARKT-VORHERSAGESYSTEM AUF BASIS VON BIGDATA MIT R-SPRACHE")
HERZINFARKT-VORHERSAGESYSTEM AUF BASIS VON BIGDATA MIT R-SPRACHE54,90 €![Programmieren lehren heißt Denken lehren]( "Programmieren lehren heißt Denken lehren")
Programmieren lehren heißt Denken lehren39,90 €![Kleine Sprache für Service Oriented Computing]( "Kleine Sprache für Service Oriented Computing")
Kleine Sprache für Service Oriented Computing39,90 €![Paradigmes d'apprentissage automatique pour la reconnaissance de la parole]( "Paradigmes d'apprentissage automatique pour la reconnaissance de la parole")
Paradigmes d'apprentissage automatique pour la reconnaissance de la parole29,99 €![Paradigmi di apprendimento automatico per il riconoscimento vocale]( "Paradigmi di apprendimento automatico per il riconoscimento vocale")
Paradigmi di apprendimento automatico per il riconoscimento vocale29,99 €
In den letzten Jahrzehnten gab es eine enorme Entwicklung von Paradigmen des maschinellen Lernens, die in der automatischen Spracherkennung (ASR) für die Hausautomatisierung (Smart Home), für die Weltraumforschung usw. eingesetzt werden. Obwohl kommerzielle Spracherkenner für bestimmte, genau definierte Anwendungen wie Diktat und Transkription verfügbar sind, wobei die Android-App "e-Dictate - Speech To Text & Translator" einen besonderen Platz für die Erkennung aller Sprachen der Welt, einschließlich der Balkansprachen, einnimmt, müssen viele Probleme in der ASR wie die Erkennung in lauten Umgebungen, die mehrsprachige Erkennung und die multimodale Erkennung noch gelöst werden. Dieses Buch bietet einen umfassenden Überblick über gängige Techniken des maschinellen Lernens (ML) wie künstliche neuronale Netze, Vektor-Support-Maschinen und Gaußsche Mischmodelle sowie versteckte Markov-Modelle, die in der ASR eingesetzt werden.