Deep Learning-basierte Vorhersage der Sprachqualität
Autor Gabriel Mittagde Limba Germană Hardback – 3 oct 2024
Preț: 541.05 lei
Preț vechi: 594.56 lei
-9% Nou
Puncte Express: 812
Preț estimativ în valută:
103.58€ • 106.52$ • 85.93£
103.58€ • 106.52$ • 85.93£
Carte nepublicată încă
Doresc să fiu notificat când acest titlu va fi disponibil:
Se trimite...
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9783031385865
ISBN-10: 3031385861
Ilustrații: XIV, 174 S. 59 Abb., 54 Abb. in Farbe.
Dimensiuni: 155 x 235 mm
Ediția:1. Aufl. 2024
Editura: Springer International Publishing
Colecția Springer Vieweg
Locul publicării:Cham, Switzerland
ISBN-10: 3031385861
Ilustrații: XIV, 174 S. 59 Abb., 54 Abb. in Farbe.
Dimensiuni: 155 x 235 mm
Ediția:1. Aufl. 2024
Editura: Springer International Publishing
Colecția Springer Vieweg
Locul publicării:Cham, Switzerland
Cuprins
1.Einführung.- 2. Qualitätsbewertung der übertragenen Sprache - 3. Neuronale Netzwerkarchitekturen für die Vorhersage der Sprachqualität - 4. Doppelendige Sprachqualitätsvorhersage mit Siamesischen Netzen.- 5. Vorhersage von Sprachqualitätsdimensionen mit Multi-Task-Lernen - 6. Bias-Aware Loss für das Training aus mehreren Datensätzen.- 7. NISQA - Ein einseitiges Sprachqualitätsmodell.- 8. Schlussfolgerungen.- A. Datensatz-Zustandstabellen.- B. Dimensionshistogramme für Trainings- und Validierungsdatensätze.- Referenzen.
Notă biografică
Gabriel Mittag erhielt seinen B.Sc. und M.Sc. in Elektrotechnik und Elektronik an der Technischen Universität Berlin. Während seines Masterstudiums verbrachte er zwei Semester an der RMIT University in Melbourne, Australien und beschäftigte sich vor allem mit biomedizinischer und Sprachsignalverarbeitung. Ab 2016 war er als wissenschaftlicher Mitarbeiter am Quality and Usability Lab der TU Berlin tätig und promovierte dort über die maschinelle lernbasierte Vorhersage von Sprachqualität. Im Mai 2021 begann Gabriel Mittag als Machine Learning Scientist bei Microsoft in Redmond, WA, USA.
Textul de pe ultima copertă
Dieses Buch zeigt, wie man die neuesten Methoden des maschinellen Lernens (Deep Learning) für die Vorhersage der Sprachqualität einsetzen kann. Der Autor zeigt, wie die jüngsten Fortschritte im Bereich des maschinellen Lernens für die Aufgabe der Sprachqualitätsvorhersage genutzt werden können und bietet eine eingehende Analyse der Eignung verschiedener Deep-Learning-Architekturen für diese Aufgabe. Der Autor zeigt dann, wie das resultierende Modell herkömmliche Sprachqualitätsmodelle übertrifft und zusätzliche Informationen über die Ursache einer Qualitätsbeeinträchtigung durch die Vorhersage der Sprachqualitätsdimensionen Rauschen, Färbung, Diskontinuität und Lautheit liefert.
Die Übersetzung wurde mit Hilfe von künstlicher Intelligenz durchgeführt. Eine anschließende menschliche Überarbeitung erfolgte vor allem in Bezug auf den Inhalt.
Die Übersetzung wurde mit Hilfe von künstlicher Intelligenz durchgeführt. Eine anschließende menschliche Überarbeitung erfolgte vor allem in Bezug auf den Inhalt.
Caracteristici
Zeigt, wie Deep-Learning-Methoden für die Vorhersage der Sprachqualität eingesetzt werden können Enthält ein Modell, das herkömmliche Sprachqualitätsmodelle übertrifft Enthält eine eingehende Analyse und einen Vergleich verschiedener Deep-Learning-Methoden