知识卡片

普通读书笔记卡 · 3788.q.7 · 生成模型:未记录

模块组合分解复杂任务

理解等级:中级

复杂预测任务可先按信息转换分解,再为各阶段选择模块。书中的语音系统先把音频表示成频谱图,提取局部特征后处理时间关系,再完成标签对齐并结合语言统计输出文字。分解让各模块针对具体结构发挥作用,也使接口误差与上游错误传播成为需要检查的问题。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 人工智能的新时代 按任务组合架构并进入医学影像 · 查看原书依据

      百度工程师用模块化设计的方法来解决这个问题。作为音频频谱图的输入数据本质上是一个黑白图像,代表了在语音模式中检测到的频率强度。将音频转换为像素,便可以利用魔法般的卷积神经网络卷积层提取语音特征。接着,卷积神经网络的输出会被送入大量循环神经网

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能的新时代,按任务组合架构并进入医学影像(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:百度工程师用模块化设计的方法来解决这个问题。作为音频频谱图的输入数据本质上是一个黑白图像,代表了在语音模式中检测到的频率强度。将音频转换为像素,便可以利用魔法般的卷积神经网络卷积层提取语音特征。接着,卷积神经网络的输出会被送入大量循环神经网