DefinitionA Gaussian Mixture Model

Definition
A Gaussian Mixture Model (GMM) is a parametric probability density function represented as a weighted sum of Gaussian
component densities. GMMs are commonly used as a parametric model of the probability distribution of continuous measurements
or features in a biometric system, such as vocal-tract related spectral features in a speaker recognition system. GMM
parameters are estimated from training data using the iterative Expectation-Maximization (EM) algorithm or Maximum A
Posteriori (MAP) estimation from a well-trained prior model.

ผลลัพธ์ (ไทย) 1:

คำจำกัดความแบบ Gaussian ผสมรุ่น (GMM) คือ ฟังก์ชันความหนาแน่นความน่าเป็นพาราเมตริกแสดงเป็นผลรวมแบบถ่วงน้ำหนักของ Gaussianความหนาแน่นของส่วนประกอบ โดยทั่วไปจะใช้ GMMs เป็นแบบพาราเมตริกของการแจกแจงความน่าเป็นวัดอย่างต่อเนื่องหรือลักษณะการทำงานในระบบตรวจสอบทางชีวภาพ เช่นทางเดินเสียงสเปกตรัมคุณลักษณะที่เกี่ยวข้องในระบบการรับรู้ของลำโพง GMMพารามิเตอร์จะประเมินจากข้อมูลการฝึกอบรมโดยใช้อัลกอริทึม Maximization ความคาดหวัง (EM) ซ้ำหรือ A มากที่สุดประมาณ Posteriori (แผนที่) จากรุ่นก่อนการอบรม

ผลลัพธ์ (ไทย) 2:

นิยาม
ผสม Gaussian รุ่น (จีเอ็มเอ็) เป็นฟังก์ชั่นความหนาแน่นของความน่าจะเป็นพาราแสดงเป็นผลรวมถ่วงน้ำหนักของเสียน
ความหนาแน่นขององค์ประกอบ GMMs มักใช้เป็นแบบพารามิเตอร์ของการกระจายความน่าจะเป็นของการวัดอย่างต่อเนื่อง
หรือคุณลักษณะในระบบไบโอเมตริกซ์เช่นแกนนำ-ทางเดินที่เกี่ยวข้องกับคุณสมบัติสเปกตรัมในระบบการรับรู้ลำโพง จีเอ็มเอ็
พารามิเตอร์ประมาณจากข้อมูลการฝึกอบรมการใช้ซ้ำแล้วซ้ำอีกในอนาคตคาดว่า-การเพิ่มประสิทธิภาพ (EM) หรืออัลกอริทึมสูงสุด
Posteriori (MAP) การประมาณค่าจากรุ่นก่อนที่มีการฝึกอบรม

ผลลัพธ์ (ไทย) 3:

คำนิยาม
แบบผสม ) ( GMM ) เป็นพารามิเตอร์ของฟังก์ชันความหนาแน่นของความน่าจะเป็นแสดงเป็น ผลรวมของการถ่วงน้ำหนักของส่วนประกอบ >
มีความหนาแน่น gmms ทั่วไปใช้เป็นแบบจำลองพารามิเตอร์ของการแจกแจงแบบต่อเนื่องการวัด
หรือคุณลักษณะในระบบไบโอเมตริก เช่นช่องเสียงคุณสมบัติที่เกี่ยวข้องสเปกตรัมในระบบรู้จำผู้พูด
จีเอ็มเอ็มค่าประมาณการจากข้อมูลการฝึกอบรมการใช้สูงสุดของความคาดหวัง ( เอ็ม ) ขั้นตอนวิธีการหรือสูงสุดเป็น
( แผนที่ ) จากผลไปสู่เหตุการก่อน

ประทับใจแบบ