首页> 外文OA文献 >Keynote Speech 3: Direct Error Driven Deep Learning for Bigdata Classification

【2h】

Keynote Speech 3: Direct Error Driven Deep Learning for Bigdata Classification

机译：主题演讲3：直接错误驱动BigData分类的深度学习

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者

展开▼
作者单位

展开▼
年度 2021
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Direct Error Driven Learning for Deep Neural Networks with Applications to Bigdata [J] . R. Krishnan, S. Jagannathan, V.A. Samaranayake Procedia Computer Science . 2018,第22期

机译：用于大数据应用的深度神经网络的直接错误驱动学习
2. Direct Error-Driven Learning for Deep Neural Networks With Applications to Big Data [J] . Krishnan R., Jagannathan S., Samaranayake V. A. Neural Networks and Learning Systems, IEEE Transactions on . 2020,第5期

机译：对具有大数据的深度神经网络的直接错误驱动学习
3. Representation transfer learning from deep end-to-end speech recognition networks for the classification of health states from speech [J] . Benjamin Sertolli, Zhao Ren, Bjoern W. Schuller, Computer speech and language . 2021,第Jula期

机译：从言语中，从深端到端语音识别网络中的代表转移学习
4. Keynote Speech 3: Direct Error Driven Deep Learning for Bigdata Classification [C] . International Conference on Information and Communication Systems . 2021

机译：主题演讲3：直接错误驱动BigData分类的深度学习
5. Deep learning for speech classification and speaker recognition [D] . Saleem, Muhammad Muneeb. 2014

机译：深度学习用于语音分类和说话人识别
6. Words from spontaneous conversational speech can be recognized with human-like accuracy by an error-driven learning algorithm that discriminates between meanings straight from smart acoustic features bypassing the phoneme as recognition unit [O] . Denis Arnold, Fabian Tomaschek, Konstantin Sering, -1

机译：通过错误驱动的学习算法可以区分自发会话语音中的单词其准确性与人类类似可以从智能声学特征中区分出含义而绕过音素作为识别单元
7. International Congress on Bigdata Deep Learning and Fighting Cyber Terrorism [O] . 2018

机译：大数据深度学习和战斗网络恐怖主义国际大会

Keynote Speech 3: Direct Error Driven Deep Learning for Bigdata Classification

著录项

引文网络

相似文献

相关主题

期刊订阅