A Hidden Markov Model (HMM) based m

A Hidden Markov Model (HMM) based missing data speech recognizer (Cooke et al., 2001) was used for all speech recognition experiments reported in this study. While the HMMs are trained on clean speech in exactly the same manner as in conventional ASR the decoding is treated differently in missing data recognition. Additionally to the feature vector sequence a mask is required to declare each feature component as reliable or unreliable using a hard or soft decision (Barker et al., 2000; Morris et al., 2001).

Kết quả (Việt) 1:

Một ẩn Markov Model (HMM) dựa trên thiếu dữ liệu speech recognizer (Cooke và ctv., 2001) được sử dụng cho tất cả bài phát biểu công nhận thí nghiệm báo cáo trong nghiên cứu này. Trong khi các HMMs được đào tạo trên sạch phát biểu chính xác theo cách tương tự như trong quy ước ASR giải mã các đối xử khác biệt trong thiếu dữ liệu nhận dạng. Ngoài ra để tính năng vector dãy mặt nạ là yêu cầu tuyên bố mỗi thành phần tính năng như là đáng tin cậy hoặc không đáng tin cậy bằng cách sử dụng một quyết định khó khăn hoặc mềm (Barker và ctv, 2000; Morris et al., 2001).

Kết quả (Việt) 2:

Một dữ liệu bị mất trình nhận dạng Hidden Markov Model (HMM) dựa (Cooke et al., 2001) đã được sử dụng cho tất cả các thí nghiệm nhận dạng giọng nói báo cáo trong nghiên cứu này. Trong khi HMMs được đào tạo bài phát biểu trong sạch một cách chính xác theo cách thức giống như trong ASR thường giải mã được đối xử khác biệt trong nhận thiếu dữ liệu. Ngoài ra với tính năng tự vector một mặt nạ được yêu cầu phải khai báo cho từng thành phần tính năng như đáng tin cậy hoặc không tin cậy bằng một quyết định cứng hoặc mềm (Barker và cộng sự, 2000;.. Morris et al, 2001).