Dynamic time warping is an approach

Dynamic time warping is an approach that was historically used for speech recognition but has now largely been displaced by the more successful HMM-based approach.

Dynamic time warping is an algorithm for measuring similarity between two sequences that may vary in time or speed. For instance, similarities in walking patterns would be detected, even if in one video the person was walking slowly and if in another he or she were walking more quickly, or even if there were accelerations and deceleration during the course of one observation. DTW has been applied to video, audio, and graphics – indeed, any data that can be turned into a linear representation can be analyzed with DTW.

A well-known application has been automatic speech recognition, to cope with different speaking speeds. In general, it is a method that allows a computer to find an optimal match between two given sequences (e.g., time series) with certain restrictions. That is, the sequences are "warped" non-linearly to match each other. This sequence alignment method is often used in the context of hidden Markov models.

ผลลัพธ์ (ไทย) 2:

เวลาแปรปรวนแบบไดนามิกเป็นวิธีการที่ถูกนำมาใช้ในอดีตสำหรับการรู้จำเสียง แต่ขณะนี้ได้รับส่วนใหญ่แทนที่ด้วยวิธีการอืมตามที่ประสบความสำเร็จมากขึ้น. แปรปรวนเวลาแบบไดนามิกเป็นอัลกอริทึมสำหรับการวัดความคล้ายคลึงกันระหว่างสองลำดับที่อาจแตกต่างกันในเวลาหรือความเร็ว ยกตัวอย่างเช่นความคล้ายคลึงกันในรูปแบบการเดินจะถูกตรวจพบแม้ว่าในวิดีโอคนที่กำลังเดินอย่างช้า ๆ และถ้าในอีกเขาหรือเธอกำลังเดินเร็วขึ้นหรือแม้กระทั่งถ้ามีความเร่งและชะลอตัวลงในระหว่างหนึ่งสังเกต DTW ได้รับนำไปใช้กับวิดีโอ, เสียง, และกราฟิก -. จริงข้อมูลใด ๆ ที่สามารถจะกลายเป็นตัวแทนเชิงเส้นสามารถวิเคราะห์ DTW กับโปรแกรมที่รู้จักกันดีได้รับการรู้จำเสียงพูดอัตโนมัติเพื่อรับมือกับความเร็วในการพูดที่แตกต่างกัน โดยทั่วไปแล้วมันเป็นวิธีการที่ช่วยให้คอมพิวเตอร์ที่จะหาการแข่งขันที่ดีที่สุดระหว่างสองลำดับที่กำหนด (เช่นอนุกรมเวลา) มีข้อ จำกัด บางอย่าง นั่นคือลำดับที่มี "เหย" ที่ไม่เป็นเส้นตรงเพื่อให้ตรงกับแต่ละอื่น ๆ วิธีการลำดับการจัดเรียงนี้มักจะใช้ในบริบทของรูปแบบมาร์คอฟที่ซ่อนอยู่

ผลลัพธ์ (ไทย) 3:

Ї เป็นแนวทางหนึ่งที่ในอดีตใช้สำหรับการรู้จำเสียงพูด แต่ตอนนี้ส่วนใหญ่ถูกแทนที่ด้วยวิธีการตามอืมประสบความสำเร็จ

Їเป็นขั้นตอนวิธีสำหรับการวัดความคล้ายคลึงกันระหว่างสองระบบที่อาจแตกต่างกันในเวลาหรือความเร็ว ตัวอย่างเช่น ความคล้ายคลึงกันในรูปแบบเดินจะตรวจพบถ้าในหนึ่งวิดีโอ คนที่เดินช้า และถ้าคนอื่นเขาหรือเธอเดินเร็วขึ้น หรือถ้ามันมีความเร่งและการชะลอตัวในระหว่างหลักสูตรของการสังเกต DTW ได้รับนำไปใช้กับวิดีโอ , เสียงและกราฟิก–แน่นอน ข้อมูลใด ๆที่สามารถกลายเป็นการเชิงเส้นสามารถวิเคราะห์ด้วย DTW .

เป็นโปรแกรมที่รู้จักกันดีได้รับการรู้จำเสียงพูดอัตโนมัติ เพื่อรับมือกับต่างพูดถึงความเร็ว โดยทั่วไปมันเป็นวิธีการที่ช่วยให้เครื่องคอมพิวเตอร์เพื่อหาราคาที่เหมาะสมระหว่างสองให้ลำดับ ( เช่นเวลาชุด ) กับบางข้อจํากัด นั่นคือ ลำดับ " เหยเก " ไม่ใช่เส้นตรงเพื่อให้ตรงกับแต่ละอื่น ๆการจัดวิธีการนี้มักจะใช้ในบริบทของแบบจำลองฮิดเดนมาร์คอฟ .