where PÞis the probability of the w

where P
Þis the probability of the word hypothesis H
given a sequence of segments S
is the a posteriori probability estimated by the neural network to each segment
, and Lis the number of characters at the word
hypothesis H
However, in practice, this is a severe rule of
fusing the character probabilities as it is sufficient for a single character to exhibit a low probability (close to zero) to flaw the word probability estimation [12]. Since we have equal prior word probabilities, an alternative to the product rule is the median rule [12], which computes the average probability as:

ผลลัพธ์ (ไทย) 2:

ที่ P
นี้น่าจะเป็นของคำว่าสมมติฐาน H
ให้ลำดับของกลุ่ม S
คือความน่าจะเป็น posteriori ประเมินโดยเครือข่ายประสาทให้แต่ละส่วน
และ Lis จำนวนของตัวอักษรคำว่า
สมมติฐาน H
แต่ในทางปฏิบัตินี้เป็นรุนแรง กฎของ
การหลอมรวมความน่าจะเป็นตัวละครที่มันเป็นเพียงพอสำหรับตัวเดียวที่จะแสดงความน่าจะเป็นในระดับต่ำ (ใกล้กับศูนย์) ข้อบกพร่องการประมาณค่าความน่าจะเป็นคำว่า [12] เนื่องจากเรามีความน่าจะเป็นคำก่อนที่เท่าเทียมกันทางเลือกในการปกครองของผลิตภัณฑ์ที่เป็นกฎแบ่ง [12] ซึ่งคำนวณความน่าจะเฉลี่ยที่เป็น:

ผลลัพธ์ (ไทย) 3:

ที่ P
Þคือความเป็นไปได้ของคำว่าสมมติฐาน H
ได้รับลำดับของกลุ่ม S
เป็นจากผลไปสู่เหตุน่าจะเป็นประมาณโดยโครงข่ายประสาทเทียมเพื่อให้แต่ละส่วนงาน
และ LIS จำนวนของอักขระที่สมมติฐาน H

แต่ในทางปฏิบัติ นี่คือกฎที่รุนแรง
ฟิวส์ตัวความน่าจะเป็นมันเพียงพอสำหรับตัวอักษรเดียวที่แสดงความน่าจะเป็นต่ำใกล้ศูนย์ ) ข้อบกพร่องคำความน่าจะเป็นการประมาณค่า [ 12 ] เนื่องจากเราได้เท่ากับคำก่อนน่าจะเป็นทางเลือกที่จะกฎเป็นกฎที่มีผลิตภัณฑ์ [ 12 ] ซึ่งคำนวณความน่าจะเป็นโดยเฉลี่ยดังนี้