知识卡片
模块组合分解复杂任务
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?
这张卡片已通过人工审查,不再接受失败反馈。
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