Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Kỹ thuật thích nghi người viết trong nhận diện chữ viết tay thái hành động ngoài trực tuyến
Tóm tắt
Nghiên cứu này trình bày việc ứng dụng các kỹ thuật thích nghi Mô hình Markov ẩn (HMM) vào vấn đề nhận diện chữ viết tay thái hành động ngoài trực tuyến. Thay vì tạo ra một mô hình mới cho mỗi người viết, người ta đầu tiên tạo ra một mô hình duy nhất từ cơ sở dữ liệu hỗn hợp, sau đó thích nghi mô hình này cho từng người viết khác nhau bằng cách sử dụng tập dữ liệu nhỏ riêng của họ. Các thử nghiệm trên một cơ sở dữ liệu chuẩn công khai cho thấy một hệ thống đã thích nghi có độ chính xác cao hơn 80% ngay cả khi chỉ sử dụng dưới 30 mẫu từ trong quá trình thích nghi, trong khi một hệ thống được đào tạo chỉ với dữ liệu của một người viết đơn lẻ cần ít nhất 200 từ (ước tính này là một giới hạn dưới) để đạt được hiệu suất tương đương với các mô hình đã thích nghi.
Từ khóa
#Mô hình Markov ẩn #Trí tuệ nhân tạo #Cơ sở dữ liệu #Ước lượng cực đại #Nhận diện văn bản #Phương trình vi phân #Hội nghị #Nhận diện chữ viết tay #Mô hình thích nghiTài liệu tham khảo
stone, 1974, Cross-validatory choice and assessment of statistical prediction, Journal of the Royal Statistical Society, 36, 111
10.1109/ICASSP.1997.596221
10.1109/34.667887
gales, 1996, The generation and use of regression class trees for MLLR adaptation
10.1109/89.466659
10.1109/ICPR.2002.1047798
10.1109/5.18626
10.1006/csla.1995.0010
leggetter, 1995, Flexible speaker adaptation for large vocabulary speech recognition, Proc of 4th Eur Conf on Speech Communication and Technology, 1155
10.1109/ICASSP.1993.319368
10.1109/89.279278
10.1109/ICDAR.1999.791885
10.1142/S0218001401000848