Hidden Markov Model speech recognition

[mrgloom 242]

http://habrahabr.ru/company/yandex/blog/198556/

неплохая обзорная статья

но с HMM так всё запутано ,что я так и не понял могут ли они работать если у нас нету словаря слов или вероятностей какие фонемы могут рядом стоять.

и как проводиться обучение, если у нас есть отрезок звукового сигнала и допустим слово его описывающее, но нам точно не известно какой отрезок за какую букву отвечает.

[Smorodov 579]

Ссылка понравилась, надо будет копнуть, как время будет: http://kaldi.sourceforge.net/index.html

По поводу HMM есть простой проект с хорошими пояснениями: http://webdocs.cs.ualberta.ca/~lindek/hmm.htm

[mrgloom 242]

Если мы подаём на вход только отрезок звукового сигнала, которому соответствует некоторая фраза(которую тоже подаём), т.е. мы руками не хотим делить фразу на буквы\фонемы и так скармливать классификатору или пользоваться скользящим окном, причём даже если им пользоваться всё равно непонятно как сопоставлять звук в окне букве\фонеме?

Тут так же можно провести аналогию и с рукописным текстом+фраза, но тут уже несколько легче со скользящим окном, но всё равно всё очень примерно по-моему.

Или аналоги подаём на вход картинку и список объектов на картинке, т.е. не подаем их координаты.

[mrgloom 242]

http://www.idsia.ch/~juergen/tpami_2008.pdf

вот еще используют Recurrent neural network

http://en.wikipedia.org/wiki/Recurrent_neural_network

http://en.wikipedia.org/wiki/Long_short_term_memory

для похожей задачи

specifically designed for sequence labelling tasks where the

data is hard to segment and contains long range, bidirectional

interdependencies

еще есть

http://habrahabr.ru/post/196084/