| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پردازش توالی چندکانال |
| عنوان انگلیسی مقاله: |
Multi Channel Sequence Processing |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2005 |
| تعداد صفحات مقاله انگلیسی | 15 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | فناوری اطلاعات IT، مهندسی کامپیوتر و مهندسی برق |
| گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات، هوش مصنوعی، مهندسی نرم افزار، هوش ماشین و رباتیک و مدیریت سیستم های اطلاعات |
| مجله مربوطه | روش قطعی و آماری در یادگیری ماشین |
| دانشگاه تهیه کننده | موسسه تحقیقات IDIAP، سوئیس |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت Springer |
| نشریه | اسپرینگر – Springer |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 19 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
مقدمه
برخی از کاربرد ها
نماد ها و مدل ها
چالش ها
کنترل ناهمگامی
HMM ناهمزمان
تشخیص گفتار صوتی تصویری
روش لایه ای
یک روش دو لایه ای
روش HMM چند لایه ای کلی
نتیجه گیری
- بخشی از ترجمه:
7نتیجه گیری
در این مطالعه به بحث و بررسی در مورد چند مسئله ناشی از پردازش داده های چند کانال پیچیده ، از جمله مسائل چند شرطی بزرگ ( داده های نشست) پرداختیم. به طور خاص ، تمرکز این مقاله بر دو مسئله ی مهم یعنی ناهمزمانی و پیچیدگی فرآیند های تصمیم گیری سطح بالا می باشد. HMM های ناهمزمان ارائه شده (AHMM) احتمال توالی های مشترک را در یک HMM به حداکثر می رسانند ، در حالی که گسترش و / یا محدود کردن خودکار جریان های مختلف را امکان پذیر می سازند . با این حال، در مورد هر مسئله ی پیچیده ، استفاده از AHMM ها معمولا کافی نیست ، و این مسئله باید به واحد های پردازشی ساده تر تجزیه شود. یک راه حل ممکن برای این مسئله ، HMM سلسله مراتبی / چند لایه ای می باشد ( و هر لایه می تواند با سطوح مختلف محدودیت و اطلاعات ادغام شود) که در مدل سازی رفتار مشترک شرکت کنندگان در نشست های چند شرطی نیز موثر واقع شد. انگیزش نظری کامل این روش نیز در این مطالعه شرح داده شده است.
- بخشی از مقاله انگلیسی:
7 Conclusion
This paper discussed several issues arising from the processing of complex multichannel data, including large multimodal problems (meeting data). More specifi- cally, this paper focused on two important issues, namely stream asynchrony and complexity of high-level decision processes. The proposed Asynchronous HMMs (AHMM) actually maximize the likelihood of the joint observation sequences through a single HMM, while also automatically allowing for stretching and/or compressing of the different streams. However, in the case of very complex problems, using AHMMs is often not enough, and the problem needs to be broken down into simpler processing blocks. A solution to this problem, referred to as “multi-layered/hierarchical HMMs”(and where each layer can integrate different levels of constraints and prior information) was also proposed and shown to be effective in modeling the joint behavior of participants in multimodal meetings. A full theoretical motivation of this approach is described in [22].
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
فرآوری توالی چند کانال |
| عنوان انگلیسی مقاله: |
Multi Channel Sequence Processing |
|
|