第349章 GMM/高斯混合模型和瞳孔追踪(1 / 4)

    石磊准备的第二操作系统，是基于GMM/高斯混合模型的计算方式，主要用于开发语音系统。

    所谓的高式混合模型，是一种用高斯概率密度函数精确的量化事务，将一个事务分解成若干个高斯概率密度函数，也就是正态分布曲线，而形成的一种模型。

    GMM模型通常用作语音识别，在计算机领域中，获得了广泛的应用。虽然GMM模型制作的语音识别，会有大约20-30%的错误识别率，但只要语音足够标准，而且配合行为动态识别引擎监控唇语，这个错误识别率会大大的降低。

    唇语方面的嘴唇行为动态，通过行为动态识别引擎，完全可以捕捉成功的识别。至于语音命令足够标准，那就不是石磊可以控制的了，毕竟各地方言不同，只能基于普通话为标准。

    石磊可以肯定的给予回应，想要玩好《勇者世界》，那么一定要有一口标准的普通话。也许随着《勇者世界》的风靡，在夏国境内，还会掀起一股学习普通话的热潮呢！

    如果真是这样，《勇者世界》有可能会得到夏国官方的推荐，若真的可以得到官方推荐，那《勇者世界》绝对会飞黄腾达！

    GMM高斯混合模型并不复杂，在自然语言处理中，这只是浅层学习神经网络。在零六年的时候，加拿大多伦多大学的教授，在顶级科学刊物《科学》上，发布了一篇名为学术论文，其中介绍了深层学习神经网络的问题。很多隐层的人工神经网络具备优秀的特征学习能力，学习得到的特征对数据有更本质的刻画。这就是与浅层学习神经网络对应的深层学习神经网络。

    石磊重生之前，2012年的时候，由斯坦福大学和一名大规模计算机系统专家，共同使用16000个Core CPU，建造的名为Deep Neural Networks/深层神经网络模型，曾经做出过从英文同声翻译至夏国语，这个翻译过程十分流畅，根本没有半分卡顿，错误率方面连百分之一都不到！

    天使议会的那个伪人工智能，便是使用DNN深层神经网络模型构建的！

    可惜石磊暂时没有时间，开发基于DNN的深层神经网络模型，只能做基于GMM的浅层神经网络，制作语音识别系统，然后利用行为动态识别引擎，识别唇语的方案，减少识别错误率。

    关于语音系统，开发出来之后，不仅仅可以引用在《勇者世界》中，还可以应用在很多方面。

    特别是结合行
    本章未完，点击下一页继续阅读