Therebythe results of the hybrid ap

Thereby
the results of the hybrid approach have been obtained by
replacing the k-means vector quantization of the discrete
HMMs by a codebook obtained by a neural network. The
results are obtained using multiple frame input of the feature
vectors, which takes the context of the current features
into account. In average the relative error can be reduced by
about nearly 20% using hybrid HMMs instead of discrete
ones (comparing the first 2 rows of Tab.2 and Tab.3). Experiments
with continuous HMMs yield lower recognition
rates, although the number of mixtures has been optimized
again for each writer separately (Tab.2,3: CON1bmadd).
All features are combined in one single stream.

ผลลัพธ์ (ไทย) 1:

ดังนั้นจึงผลลัพธ์ของวิธีการแบบผสมผสานได้ถูกรับโดยแทน quantization เวกเตอร์ k หมายถึงของไม่ต่อเนื่องHMMs โดย codebook รับ โดยเครือข่ายประสาท ที่ผลลัพธ์ที่จะได้รับใช้การป้อนข้อมูลเฟรมหลายคุณลักษณะเวกเตอร์ การใช้บริบทของปัจจุบันเข้าบัญชี ในค่าเฉลี่ย ผิดพลาดสัมพัทธ์สามารถจะลดลงด้วยเกี่ยวกับเกือบ 20% ใช้ไฮบริ HMMs แทนที่จะแยกกันคน (เปรียบเทียบแถว 2 ครั้งแรกของ Tab.2 และ Tab.3) ทดลองมี HMMs อย่างต่อเนื่องผลผลิตต่ำกว่าการรับรู้ราคา แม้ว่าจะได้รับการเพิ่มประสิทธิภาพของน้ำยาผสมอีกครั้งสำหรับแต่ละผู้เขียนแยกต่างหาก (Tab.2,3: CON1bmadd)คุณลักษณะทั้งหมดจะรวมอยู่ในกระแสหนึ่งเดียว

ผลลัพธ์ (ไทย) 2:

ดังนั้น
ผลของวิธีการไฮบริดได้รับการได้รับโดยการ
เปลี่ยนเวกเตอร์ k-หมายถึงการที่ไม่ต่อเนื่อง
HMMs โดย codebook ที่ได้รับจากเครือข่ายประสาท
ผลที่จะได้รับโดยใช้การป้อนกรอบหลายคุณลักษณะ
เวกเตอร์ซึ่งจะนำบริบทของคุณสมบัติในปัจจุบัน
เข้าสู่บัญชี เฉลี่ยความผิดพลาดจะลดลง
ประมาณเกือบ 20% โดยใช้ HMMs ไฮบริดแทนโดยสิ้นเชิง
คน (เปรียบเทียบครั้งแรก 2 แถวของ Tab.2 และ Tab.3) การทดลอง
กับ HMMs อย่างต่อเนื่องผลผลิตที่ต่ำกว่าการรับรู้
อัตราแม้ว่าจำนวนของผสมที่ได้รับการปรับปรุง
อีกครั้งสำหรับนักเขียนแต่ละแยกต่างหาก (Tab.2,3: CON1bmadd).
คุณสมบัติทั้งหมดจะรวมอยู่ในกระแสเดียว

ผลลัพธ์ (ไทย) 3:

โดย
ผลลัพธ์ของวิธีไฮบริดได้รับโดย
แทน k-means เวกเตอร์ quantization ของ hmms ต่อเนื่อง
โดยชุดได้โดยเครือข่ายประสาท
ผลที่ได้รับการใส่กรอบหลายคุณลักษณะ
เวกเตอร์ซึ่งใช้บริบทของ
คุณสมบัติปัจจุบันลงในบัญชี ความคลาดเคลื่อนสัมพัทธ์เฉลี่ยจะลดลง
ประมาณเกือบ 20 % ใช้ hmms ลูกผสมแทนคนต่อเนื่อง
( เปรียบเทียบ 2 แถวแรกของแท็บ แท็บที่ 2 และ 3 ) การทดลองกับ hmms อย่างต่อเนื่องให้ผลอัตราการรู้

ล่าง แม้ว่าจำนวนของส่วนผสมที่เหมาะ
อีกครั้งสำหรับแต่ละนักเขียนต่างหาก ( แท็บ ชนิด con1bmadd ) .
คุณสมบัติทั้งหมดจะรวมกันในหนึ่งเดียวกระแส