×

贝叶斯推理在混合专家模型和分层混合专家模型中的应用于语音识别。 (英语) Zbl 0882.62022号

摘要:由于上下文相关,将声波波形作为语音事件进行机器分类通常很困难。在这里,通过使用一类模块化和层次化系统(称为mixtures-of-experts和hierarchical mixtures-of-exports模型)来研究多人元音识别任务。系统的统计模型是一个混合模型,其中混合系数和混合成分都是广义线性模型。使用完全贝叶斯方法作为推理和预测的基础。使用马尔可夫链蒙特卡罗方法进行计算。
这种方法的一个主要优点是能够从给定模型参数的任何函数的后验分布中获取样本。通过这种方式,获得的信息比点估计所能提供的信息更多。同样避免的是需要依赖于对后验的正常近似作为推理的基础。这在后部倾斜或多模态的情况下尤为重要。本文报告了专家层次混合模型与其他模式分类系统在元音识别任务中的比较。结果表明,该模型显示了良好的分类性能,并且还提供了额外的好处,可以在分类预测中评估模型的确定度。

MSC公司:

2015年1月62日 贝叶斯推断
62页99 统计学的应用
62N99型 生存分析和审查数据
62J12型 广义线性模型(逻辑模型)
68吨10 模式识别、语音识别
PDF格式BibTeX公司 XML格式引用
全文: 内政部