3.2 Estimation of Confidence Scores

3.2 Estimation of Confidence Scores for the Word Hypotheses
The verification scheme is based on the estimation of character probabilities by a multilayer perceptron (MLP) neural network which is called segmental neural network
(SNN). The architecture of the SNN resembles a standard MLP character classifier. The task of the SNN is to assign an a posteriori probability to each segment representing a
character given that the character class has already been assigned by the HRS. We define xl as the feature vector corresponding to the lth word segment and cl as the character
class of the lth word segment provided by the HRS. The output of the SNN is PðcljxlÞ, which is the a posteriori probability of the character class cl given the feature vector xl.

ผลลัพธ์ (ไทย) 2:

3.2 การประเมินคะแนนความเชื่อมั่นสำหรับคำสมมติฐาน
โครงการการตรวจสอบจะขึ้นอยู่กับการประมาณความน่าจะเป็นตัวละครจากหลาย Perceptron (MLP) เครือข่ายประสาทที่เรียกว่าเครือข่ายประสาทปล้อง
(SNN) สถาปัตยกรรมของ SNN คล้ายลักษณนามตัวอักษร MLP มาตรฐาน งานของ SNN คือการกำหนดความน่าจะเป็น posteriori ให้แต่ละส่วนที่เป็นตัวแทนของ
ตัวละครที่ได้รับบทบาทระดับได้รับการมอบหมายจาก HRS เรากำหนด XL เป็นเวกเตอร์คุณลักษณะที่สอดคล้องกับส่วนคำ LTH และ CL เป็นตัวละคร
คลาสของส่วนคำ LTH ให้โดย HRS การส่งออกของ SNN เป็นPðcljxlÞซึ่งเป็นความน่าจะเป็น posteriori ของ CL คลาสตัวละครที่ได้รับเวกเตอร์คุณลักษณะ XL

ผลลัพธ์ (ไทย) 3:

3.2 การประมาณค่าความเชื่อมั่นของคะแนนสำหรับคำว่าสมมติฐาน
โครงการตรวจสอบตามการประมาณค่าความน่าจะเป็นของตัวละครโดยเพอร์เซปตรอนหลายชั้น ( MLP ) เครือข่ายประสาท ซึ่งเรียกว่ากลุ่มเครือข่ายประสาท
( snn ) สถาปัตยกรรมของ snn คล้ายกับมาตรฐาน MLP ตัวละครลักษณนามงานของ snn คือการกำหนดให้มีจากผลไปสู่เหตุความน่าจะเป็นในแต่ละส่วนแทน
ตัวละครระบุว่าเรียนตัวอักษรได้ถูกกำหนดโดยน. เรากำหนด XL เป็นเวกเตอร์ลักษณะสอดคล้องกับคำและ lth ส่วน CL เป็นคลาสของตัวละคร
lth คำปล้องโดยน. ผลผลิตของ snn คือ P ðÞ cljxl ,ซึ่งเป็นจากผลไปสู่เหตุความน่าจะเป็นของตัวละครระดับ CL ให้คุณลักษณะเวกเตอร์ XL .