2.2 MS-ADBN model A Dynamic Bayesia

2.2 MS-ADBN model
A Dynamic Bayesian Network (DBN) is a statistical model that can represent collections of
random variables and their dependency relationships as they evolve over time. HMM is just
special case of much more general DBN model. Comparing with HMM, DBN model has a
more flexible and extensible structure, and explicitly describes the hierarchical relationship
of main components (e. g word, phone, state and observation) of speech recognition. In
general, the DBN model meets two conditions: 1) except the initial frame, the topology
structure is same in each frame; 2) the condition probability relationship between the frames
follows the one-order Markov model. Additionally, Uniform training and decoding
algorithm make the implement of DBN model become easier.

Kết quả (Việt) 1:

2.2 mô hình MS-ADBN Một mạng Bayes năng động (DBN) là một mô hình thống kê có thể đại diện cho các bộ sưu tập của biến ngẫu nhiên và các mối quan hệ phụ thuộc khi họ tiến triển theo thời gian. HMM là chỉ trường hợp đặc biệt của nhiều hơn nữa chung DBN mô hình. So sánh với HMM, DBN mô hình có một Thêm linh hoạt và mở rộng cấu trúc về sau, và rõ ràng mô tả mối quan hệ phân cấp thành phần chính (e. g từ điện thoại, nhà nước, và quan sát) của nhận dạng giọng nói. Ở Tổng hợp, các mô hình DBN đáp ứng hai điều kiện: 1) ngoại trừ khung đầu tiên, cấu trúc liên kết cơ cấu là giống nhau trong mỗi khung; 2) điều kiện xác suất mối quan hệ giữa các khung hình theo các mô hình Markov một trật tự. Ngoài ra, đồng phục đào tạo và giải mã thuật toán làm cho thực hiện mô hình DBN trở nên dễ dàng hơn.

Kết quả (Việt) 2:

2.2 MS-ADBN mô hình
Một động Bayesian Network (DBN) là một mô hình thống kê rằng có thể đại diện cho bộ sưu tập của
các biến ngẫu nhiên và các mối quan hệ phụ thuộc của họ khi họ phát triển theo thời gian. HMM chỉ là
trường hợp đặc biệt của tổng quát hơn nhiều mô hình DBN. So sánh với HMM, DBN mô hình có một
cấu trúc linh hoạt hơn và mở rộng, và mô tả một cách rõ ràng mối quan hệ thứ bậc
của các thành phần chính (e. G từ, điện thoại, nhà nước và quan sát) của nhận dạng giọng nói. Trong
nói chung, các mô hình DBN đáp ứng hai điều kiện: 1) ngoại trừ khung ban đầu, cấu trúc liên kết
cấu trúc là giống nhau trong mỗi khung; 2) mối quan hệ xác suất có điều kiện giữa các khung hình
theo một thứ tự mô hình Markov. Ngoài ra, đào tạo thống nhất và giải mã
thuật toán làm cho thực hiện các mô hình DBN trở nên dễ dàng hơn.