Hlavní stránka > Výsledky hledání: keywords:"data-driven"
Hledej:
 
Tipy pro vyhledávaní :: Jednoduché hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.00 vteřin. 
Essays on Data-driven, Non-parametric Modelling of Time-series
 Hanus, Luboš ; Vácha, Lukáš (vedoucí práce) ; Witzany, Jiří (oponent) ; Ellington, Michael (oponent) ; Trimborn, Simon (oponent)
Tato dizertační práce se skládá ze čtyř článků přispívající k literatuře o datově řízeném a neparametrickém modelování časových řad. V prvním příspěvku studujeme synchronizaci hospodářských cyklů a navrhujeme vícerozměr- nou míru sladěnosti založenou na časové frekvenční kohezi. Naznačujeme, že ekonomická integrace může vést k vyšší sladěnosti hospodářských cyklů, což může odrážet výhody konvergence a koordinace hospodářských poli- tik. Druhý článek představuje novou metodiku pro identifikaci perzistence makroekonomických proměnných. Pomocí časově proměnných funkcí frek- venční odezvy identifikujeme heterogenní efekty perzistence v makroekono- mických proměnných USA. Třetí a čtvrtý článek navrhují metody založené na datech pro předpovídání distribucí časových řad s využitím strojového učení. Zavádíme vícevýstupovou neuronovou síť, která pro data vybírá nej- vhodnější rozdělení. Distribuční neuronová síť je přínosná pro modelování dat s nelineární, negaussovskou a asymetrickou strukturou. Třetí článek de- monstruje užitečnost této metody k odhadu informačně bohatých makroeko- nomických vějířových grafů a pravděpodobnostních předpovědí výnosů ak- cií. V posledním článku představujeme distribuční neuronovou síť k získání pravděpodobnostního rozdělení předpovědí cen elektřiny. Předpovídáme hodinové ceny...
Úplný záznam
Data-driven Pronunciation Generation for ASR
 Obedkova, Maria ; Plátek, Ondřej (vedoucí práce) ; Peterek, Nino (oponent)
Data-Driven Pronunciation Generation for ASR Maria Obedkova In ASR systems, dictionaries are usually used to describe pronunciations of words in a language. These dictionaries are typically hand-crafted by linguists. One of the most significant drawbacks of dictionaries created this way is that linguistically motivated pronunciations are not necessarily the optimal ones for ASR. The goal of this research was to explore approaches of data-driven pro- nunciation generation for ASR. We investigated several approaches of lexicon generation and implemented the completely new data-driven solution based on the pronunciation clustering. We proposed an approach for feature extraction and researched different unsupervised methods for pronunciation clustering. We evaluated the proposed approach and compared it with the current hand-crafted dictionary. The proposed data-driven approach could beat the established base- lines but underperformed in comparison to the hand-crafted dictionary which could be due to unsatisfactory features extracted from data or insufficient fine tuning. 1
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English