Hmm 相关的热门 GitHub AI项目仓库

这里你可以找到所有关于量子机器学习的基础知识、算法、学习资料、项目以及网络上关于这些项目的描述。

高效的多语言自然语言处理和文本分割；支持英语、中文、日语等多种语言。

PyTorch-Kaldi项目致力于开发最先进的DNN/RNN混合语音识别系统。其中，深度神经网络（DNN）部分由PyTorch管理，而特征提取、标签计算和解码则由Kaldi工具包完成。

SpeechBrain项目旨在构建一个完全基于PyTorch的新型语音工具包。使用SpeechBrain，用户可以轻松创建各种语音处理系统，包括语音识别（HMM/DNN和端到端）、说话人识别、语音增强、语音分离、多麦克风语音处理等等。

本课程讲解《统计学习方法》中核心的机器学习理论，并深入剖析GBDT、XGBoost、LightGBM、FM和FFM等常见模型的原理。课程内容包含理论讲解和基于Python及相关库的代码实现，帮助你掌握这些模型的实际应用。

用Python学习自然语言处理(NLP)：涵盖语言模型、隐马尔可夫模型(HMM)、概率上下文无关文法(PCFG)、Word2Vec词向量模型、完形填空式阅读理解、朴素贝叶斯分类器、TF-IDF关键词提取、主成分分析(PCA)和奇异值分解(SVD)等核心技术。

神经HMM模型就足够了（用于高质量的无注意力机制文本转语音）

基于印度口音语音的传统自动语音识别技术（信号与倒谱分析、动态时间规整、隐马尔可夫模型）和深度神经网络技术（自定义模型+DeepSpeech）

优达学城自然语言处理纳米学位的教程及我的解答

关于无监督学习神经隐马尔可夫模型的论文代码

Fit hidden Markov models using Template Model Builder (TMB): flexible state-dependent distributions, transition probability structures, random effects, and smoothing splines.

用Python做一些自然语言处理的实际项目，例如：发现新词、主题建模、用隐马尔可夫模型进行词性标注、Word2Vec词向量以及情感分析。

Maximum likelihood analysis Of animal MovemENT behavior Using multivariate Hidden Markov Models

INTERSPEECH 2018论文《基于分层推断音节和音素起始位置的歌唱语音音素分割》的补充信息和代码

隐马尔可夫模型的完全贝叶斯推断

一个使用 Python 中的 GMM-HMM 模型进行简单孤立汉语语音词识别的演示

本研究采用传统方法（N-gram、隐马尔可夫模型HMM等）、神经网络方法（卷积神经网络CNN、长短期记忆网络LSTM等）以及预训练模型方法（BERT等）实现了中文分词任务。

这里我整理了一些我在学习自然语言处理过程中完成的小项目。

一个类似隐马尔可夫模型（HMM）的线性链条件随机场（CRF），使用了TensorFlow API。

THEANO-KALDI-RNNs项目使用各种循环神经网络（RNNs）来实现RNN-HMM语音识别。该项目将Theano代码与Kaldi解码器结合使用。