In the literature, two main approac

In the literature, two main approaches for acoustic feature
modelling are used. Frame level features (LLDs) directly,
and statistical functionals computed across the LLDs that
make up an utterance. Frame sizes are usually around 20-
50ms, and LLDs are typically MFCCs, pitch, and energy
measures. Combining acoustic features with other sources
of information usually takes either the `early' or `late' fusion
approach. Concatenating together feature vectors extracted
from dierent data types for direct classication is referred
to as `early fusion'. `Late fusion' uses a separate model for
each source of data, and a later decision stage to obtain the
nal result. Early fusion is known to be superior when mutual
information is present between the modes of data [11],
although feature selection is usually necessary to deal with
the high dimensionality of these feature vectors.

ผลลัพธ์ (ไทย) 1:

ในวรรณคดี สองหลักวิธีสำหรับคุณลักษณะเสียงแบบจำลองที่ใช้ กรอบระดับคุณลักษณะ (LLDs) โดยตรงและคำนวณสถิติ functionals ใน LLDs การที่ทำให้ค่าการ utterance เฟรมขนาดมักประมาณ 20-50ms และ LLDs จะเป็น MFCCs สนาม และพลังงานมาตรการ คุณสมบัติเสียงรวมกับแหล่งข้อมูลอื่น ๆข้อมูลมักจะใช้เวลา 'ต้น' หรือ 'สาย' ฟิวชั่นแนวทางการ ต่อคุณลักษณะการรวมเวกเตอร์ที่แยกจากชนิดข้อมูลระหว่างการผลิต di สำหรับไอออน classi โดยตรงเรียกว่าการเป็น 'ต้นฟิวชั่น' 'สายฟิวชั่น' ใช้แบบแยกต่างหากสำหรับแต่ละแหล่งข้อมูล และการตัดสินใจภายหลังการขอรับการ ผลการค้นหา nal ทราบว่าฟิวชั่นช่วงต้นได้เหนือกว่าเมื่อร่วมกันข้อมูลอยู่ระหว่างโหมดข้อมูล [11],แม้ว่าจะเลือกคุณลักษณะจำเป็นในการจัดการกับมิติที่สูงของเวกเตอร์เหล่านี้คุณลักษณะ

ผลลัพธ์ (ไทย) 2:

ในวรรณคดีสองแนวทางหลักสำหรับคุณลักษณะอะคูสติก
การสร้างแบบจำลองที่มีการใช้ คุณสมบัติระดับกรอบ (LLDs) โดยตรง
และ functionals สถิติคำนวณทั่ว LLDs ที่
ทำขึ้นคำพูด ขนาดเฟรมเป็นปกติประมาณ 20
50ms และ LLDs มักจะ MFCCs ขว้างและพลังงาน
มาตรการ รวมคุณลักษณะอะคูสติกที่มีแหล่งข้อมูลอื่น ๆ
ของข้อมูลที่มักจะใช้เวลาทั้งฟิวชั่น `ต้น 'หรือ` ช่วงปลายของ
วิธีการ เชื่อมโยงเข้าด้วยกันมีพาหะสกัด
จากดิ? ชนิดข้อมูลที่ต่างกันสำหรับการจัดประเภทไอออนบวกโดยตรงจะเรียก
ว่า `ต้นฟิวชั่น ' `ฟิวชั่นปลายใช้รูปแบบที่แยกต่างหากสำหรับ
แหล่งที่มาของข้อมูลในแต่ละครั้งและขั้นตอนการตัดสินใจในภายหลังเพื่อให้ได้
ผล NAL ฟิวชั่นในช่วงต้นเป็นที่รู้จักกันจะดีกว่าเมื่อร่วมกัน
ข้อมูลที่เป็นปัจจุบันระหว่างโหมดของข้อมูล [11] ที่
แม้ว่าการเลือกคุณลักษณะมักจะจำเป็นที่จะจัดการกับ
มิติสูงของเหล่านี้เป็นพาหะคุณลักษณะ

ผลลัพธ์ (ไทย) 3:

ในวรรณคดี สองวิธีหลักคุณสมบัติอะคูสติกแบบจำลองที่ใช้ คุณลักษณะระดับกรอบ ( llds ) โดยตรงสถิติและข้อมูลเกี่ยวกับการทำงานใน llds ว่าให้มาเป็นข้อกำหนด ขนาดปกติประมาณ 20 - กรอบ50ms และ llds มักจะ mfccs , สนาม , และพลังงานมาตรการ รวมคุณสมบัติอะคูสติกกับแหล่งอื่น ๆข้อมูลมักจะใช้เวลาเหมือนกัน ' ' หรือ ' ' ต้นสายฟิวชั่นวิธีการ เชื่อมโยงกันสกัดคุณลักษณะเวกเตอร์จาก dierent ชนิดข้อมูลสำหรับ classication โดยตรงเรียกว่าเป็น ` ก่อนฟิวชั่น ' ` สายฟิวชั่น ' ใช้รูปแบบแยกต่างหากสำหรับแต่ละแหล่งข้อมูลและการตัดสินใจหลังเวที ที่จะได้รับการร . ต้น ฟิวชั่น เป็นที่รู้จักกันเป็นเหนือกว่าเมื่อซึ่งกันและกันข้อมูลที่เป็นปัจจุบันระหว่างรูปแบบของข้อมูล [ 11 ]แม้ว่าการเลือกคุณลักษณะมักจะจำเป็นที่จะจัดการกับการ dimensionality สูงเวกเตอร์คุณลักษณะเหล่านี้