『徳島大学 教育・研究者情報データベース (EDB)』---[学外] /
ID: Pass:

登録内容 (EID=84680)

EID=84680EID:84680, Map:0, LastModified:2014年11月11日(火) 11:28:22, Operator:[北 研二], Avail:TRUE, Censor:0, Owner:[北 研二], Read:継承, Write:継承, Delete:継承.
種別 (必須): 著書 [継承]
言語 (必須): 英語 [継承]
招待 (推奨):
審査 (推奨):
カテゴリ (推奨):
共著種別 (推奨):
学究種別 (推奨):
組織 (推奨):
著者 (必須): 1.北 研二 ([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
役割 (任意): (英)   (日) pp.153-164 の執筆   [継承]
貢献度 (任意):
学籍番号 (推奨):
[継承]
2. (英) Kawabata Takeshi (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
3. (英) Saito Hiroaki (日) (読)
役割 (任意):
貢献度 (任意):
学籍番号 (推奨):
[継承]
題名 (必須): (英) Generalized LR Parsing  (日) 一般化LR解析法   [継承]
副題 (任意): (英) GLR Parsing in Hidden Markov Model  (日) 隠れマルコフモデルにおけるGLR解析法   [継承]
要約 (任意): (英) We describe the application of GLR (Generalized LR) parsing to speech recognition. In particular, we will focus on a method called HMM-LR, which is an integration of Hidden Markov Models and GLR parsing. In HMM-LR, GLR parsing is used as a language source model for word/phoneme prediction/generation. We also introduce a speech recognizer based on the HMM-LR method.  (日) GLR(Generalized LR)解析法を用いた音声認識の探索範囲の縮小法について述べ,GLR と HMM を組み合わせることにより,効率的な連続音声認識系が実現できることを説明した.本書で提案したHMM-LR法では,GLRは単語や音韻の予測・生成モデルとして用いられる.   [継承]
キーワード (推奨):
発行所 (必須): Kluwer Academic Publishers (〜2004年2月末日/->組織[Springer-Verlag]) [継承]
誌名 (任意):
(任意):
(任意):
(任意):
都市 (必須): (英) Boston, USA (日) (読) [継承]
年月日 (必須): 西暦 1991年 10月 初日 (平成 3年 10月 初日) [継承]
URL (任意):
DOI (任意):
PMID (任意):
NAID (任意):
WOS (任意):
Scopus (任意):
評価値 (任意):
被引用数 (任意):
指導教員 (推奨):
備考 (任意):

標準的な表示

和文冊子 ● Kenji Kita, Takeshi Kawabata and Hiroaki Saito : Generalized LR Parsing, --- GLR Parsing in Hidden Markov Model ---, Kluwer Academic Publishers, Boston, USA, Oct. 1991.
欧文冊子 ● Kenji Kita, Takeshi Kawabata and Hiroaki Saito : Generalized LR Parsing, --- GLR Parsing in Hidden Markov Model ---, Kluwer Academic Publishers, Boston, USA, Oct. 1991.

関連情報

Number of session users = 0, LA = 1.14, Max(EID) = 376494, Max(EOID) = 1008315.