書店で探す
目次
表紙 本書の前提 目次 序章 第1章 音声認識とは? 第1節 音声認識とは? どんなことに使える? 第2節 音声を認識するとは?─音声認識のしくみ─ 第3節 本書の目的と構成 第2章 音声認識の基礎知識 第1節 音声認識と確率 第2節 音声認識の問題を数式で定義する 第3節 テキストの種類と発音辞書-音素・かな・文字・単語- 第4節 2種類の音声認識実験 第5節 音声認識実験の大まかな流れ 第3章 音声処理の基礎と特徴量抽出 第1節 データの準備 第2節 音声ファイルを読み込んでみよう 第3節 フーリエ変換を使って音声を周波数分解しよう 第4節 音声を短時間フーリエ変換してスペクトログラムを作成しよう 第5節 対数メルフィルタバンク特徴量 第6節 メル周波数ケプストラム特徴量 第7節 特徴量の平均と標準偏差を計算してみよう 第4章 音声認識の初歩-DPマッチング- 第1節 音声認識につきまとう、アライメント問題 第2節 DPマッチング 第3節 DPマッチングを実装してみよう 第5章 GMM-HMMによる音声認識 第1節 テンプレートから分布と尤度という考え方へ 第2節 正規分布と最尤推定法によるパラメータ推定 第3節 混合正規分布(GMM)とEMアルゴリズム 第4節 隠れマルコフモデル(HMM) 第5節 GMM-HMMを実装してみよう 第6章 DNN-HMMによる音声認識 第1節 分布からディープニューラルネットワークへ 第2節 ディープニューラルネットワーク 第3節 DNNとHMMを組み合わせたDNN-HMMハイブリッドシステム 第4節 DNN-HMMをPythonとPytorchで実装してみよう 第5節 HMMベース方式における大語彙連続音声認識 第7章 End-to-Endモデルによる連続音声認識 第1節 ハイブリッドシステムからフルニューラルネットワークモデルへ 第2節 リカレントニューラルネットワーク 第3節 Connectionist temporal classification(CTC) 第4節 CTCをPythonとPytorchで実装してみよう 第5節 Attention encoder-decoderモデル 第6節 AttentionモデルをPythonとPytorchで実装してみよう 第7節 その他のテクニックと音声認識モデル 第8節 参考文献 おわりに 索引 著者プロフィール 奥付
全国の図書館の所蔵
国立国会図書館以外の全国の図書館の所蔵状況を表示します。
所蔵のある図書館から取寄せることが可能かなど、資料の利用方法は、ご自身が利用されるお近くの図書館へご相談ください
関東
さいたま市立中央図書館
紙- 007.13 タカ
- 14102591659
千葉県立中央図書館
紙- 00713/ 83/
- 0106737869
東京都立中央図書館
紙- 007.1-5931-2021
- 7114287145
横浜市立図書館
紙- 007.6
- 2070748056
相模原市立図書館
紙- 34391227
書店で探す
出版書誌データベース から購入できる書店を探す
『Books』は各出版社から提供された情報による出版業界のデータベースです。 現在入手可能な紙の本と電子書籍を検索することができます。
別の方法で探す
書誌情報
この資料の詳細や典拠(同じ主題の資料を指すキーワード、著者名)等を確認できます。
- 資料種別
- 図書
- ISBN
- 978-4-295-01138-5
- タイトル
- タイトルよみ
- パイソン デ マナブ オンセイ ニンシキ
- 著者・編者
- 高島遼一 著
- シリーズタイトル
- 出版事項
- 出版年月日等
- 2021.5
- 出版年(W3CDTF)
- 2021