語音識別-模式 演算法設計與實踐 董雪燕 9787113304225 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：中國鐵道有限公司
物品所在地：中國大陸
原出版社：中國鐵道有限公司
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：語音識別-模式 演算法設計與實踐 ISBN：9787113304225 出版社：中國鐵道有限公司 著編譯者：董雪燕 頁數：325 所在地：中國大陸 *此為代購商品 書號：1622120 可大量預訂，請先連絡。 內容簡介 隨著深度學習技術和計算機硬體設備的發展，作為自然語言處理領域重要課題的語音識別技術發展迅速，部分應用開始落地，實踐流程也日漸成熟。 本書凝聚作者多年實踐心得和經驗，力求用抽絲剝繭的方式幫讀者梳理出語音識別的學習與提升之路，涉及語音識別發展脈絡、知識地圖、模式識別、核心演算法和實踐案例，最終形成「基礎知識—演算法理論—實踐」的完整閉環，旨在幫助剛入行的語音識別從業人員梳理知識框架，熟悉開發流程，積累實踐經驗。目錄 第1章 語音識別概述1 1 走進語音識別 1 1 1 語音識別的定義 1 1 2 語音識別任務的分類 1 1 3 語音識別是一門交叉學科 1 1 4 語音識別的應用 1 2 發展概況 1 2 1 人工語音識別 1 2 2 自動化語音識別 1 3 面臨的挑戰 1 3 1 語音信號的複雜性 1 3 2 機器學習模型的局限性 1 3 3 硬體設備的制約 1 3 4 應用場景的複雜性 1 3 5 倫理問題 第2章 必知必會的數學基礎知識 2 1 向量與矩陣 2 1 1 向量 2 1 2 矩陣 2 2 概率與統計 2 2 1 概率基礎 2 2 2 分類分佈 2 2 3 數據的標準模型——高斯分佈 2 2 4 適用性極為廣泛的貝葉斯定理 2 3 基本函數的用法 2 3 1 一元一次函數 2 3 2 一元二次函數 2 3 3 神經網路中不得不提的階躍函數 2 4 函數的求導 2 4 1 一元函數的導數 2 4 2 多元函數的偏導數 2 4 3 複合函數的導數計演算法則 2 4 4 線性模型尋找最優參數的方法——最小二乘法 2 4 5 非線性模型求解最小值的方法——梯度下降法 2 4 6 適用於複雜模型的參數優化方法——正則化 2 5 數列和遞推公式 2 5 1 數列的定義 2 5 2 數列的通項公式 2 5 3 由遞推關係式定義數列 第3章 模式識別 3 1 模式識別的基本概念 3 1 1 我們應該怎樣理解模式識別 3 1 2 統計模式識別系統的組成 3 1 3 示例：一個橘子分類系統 3 1 4 模式識別發展史中的里程碑事件 3 2 關於數據集的準備 3 2 1 數據的收集 3 2 2 數據集的劃分 3 3 預處理 3 3 1 預處理的內涵 3 3 2 常見的預處理思路 3 4 特徵提取 3 4 1 特徵向量和特徵空間 3 4 2 特徵提取的流程 3 4 3 常見的語音特徵表示 3 4 4 特徵選擇 3 5 分類器 3 5 1 監督學習演算法 3 5 2 統計分類器 3 5 3 深度神經網路模型 3 6 語言模型 3 6 1 N-gram語言模型 3 6 2 實踐案例：計算「梅吃餅乾」出現的概率 3 6 3 N-gram模型中平滑的重要性 3 7 識別效果的評價 3 7 1 錯詞率 3 7 2 句錯率 第4章 語音信號處理 4 1 導言 4 2 語音的產生 4 2 1 語音學在研究什麼 4 2 2 人的發聲機制 4 2 3 語音產生的數字模型 4 2 4 發音的基本單位 4 2 5 識別連續發音的難點 4 3 語音的傳播 4 3 1 語音的物理傳播原理 4 3 2 語音傳播的聲學機制 4 3 3 無損聲道模型 4 4 語音的感知 4 4 1 人耳可感知的頻率範圍 4 4 2 人耳的聽覺特性 4 4 3 聽覺模型 4 5 數字語音信號處理 4 5 1 語音信號處理的一般流程 4 5 2 數據採樣 4 5 3 參數化分析 4 5 4 圖形化表示 4 5 5 數字化特徵分析 第5章 實踐前的準備：安裝必要的Python包 5 1 一些必要的交代 5 2 基礎的語音識別包：speechRecognition 5 2 1 SpeechRecognition的主要介面 5 2 2 SpeechRecognition的安裝與導入 5 2 3 應用案例：調用不同介面識別英文和中文語音 5 3 語音分析庫：Librosa 5 3 1 Librosa的主要介面 5 3 2 Librosa的安裝與導入 5 3 3 應用案例：繪製語音信號的波形圖和Me1時頻譜圖 5 4 精於數組運算的庫：NumPy 5 4 1 Numpy的安裝與導入 5 4 2 Numpy數組的生成 5 4 3 訪問Numpy數組中的元素 5 4 4 Numpy數組的算術運算 5 5 科學計算的工具包：Scipy 5 5 1 Scipy的核心功能模塊 5 5 2 Scipy的安裝與導入 5 5 3 應用案例：最小二乘法擬合直線 5 6 機器學習演算法的工具包：scikit-1earn 5 6 1 Sk1earn的主要介面 5 6 2 Sk1earn的安裝與導入 5 6 3 應用案例：鳶尾花的分類問題 5 7 工業級深度學習框架：Keras 5 7 1 Keras的主要介面 5 7 2 Keras的安裝與導入 5 7 3 應用案例：利用Keras搭建神經網路實現手寫數字識別 5 8 科學研究深度學習框架：PyT0rch 5 8 1 PyTorch的主要庫和模塊 5 8 2 PyTorch的安裝 5 8 3 應用案例：利用PyT0rch搭建神經網路實現手寫體識別 第6章 數據預處理 6 1 語音信號分析基礎 6 2 語音信號的參數化分析 6 2 1 時域分析 6 2 2 頻譜分析 6 2 3 倒譜分析 6 2 4 三種語音信號分析方法的比較 6 3 去噪演算法 6 3 1 什麼是去噪 6 3 2 譜減法 6 3 3 維納濾波演算法 6 3 4 LMS自適應濾波器演算法 6 3 5 基於機器學習的去噪演算法 6 4 端點檢測演算法 6 4 1 什麼是端點檢測 6 4 2 基於短時平均能量和過零率的自適應雙門限演算法 6 4 3 基於相關函數的端點檢測演算法 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
