尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 该文在一种多层前向神经网络的框架中实现了离散隐马尔柯夫模型(HMM) 的概率计算。基于这一多层前向神经网络框架,该文提出了一咱新的以最大互信息准则为训练准则的有识别力的HMM训练方法,在这一训练方法中, 互信息达到最大是通过梯度上升的优化过... 展开 该文在一种多层前向神经网络的框架中实现了离散隐马尔柯夫模型(HMM) 的概率计算。基于这一多层前向神经网络框架,该文提出了一咱新的以最大互信息准则为训练准则的有识别力的HMM训练方法,在这一训练方法中, 互信息达到最大是通过梯度上升的优化过程来实现的,而其中所需要的偏导数是通过误差反向传播的方法来有效地计算的。因此,该文将这一新的训练方法称之为HMM的反向传播训练方法。此外,该文还对反向传播训练方法实现过程中易出现数值计算下溢的问题进行了研究。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。