有哪些信誉好的足球投注网站- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于的模型快速训练方法及应用吴奎宋彦戴礼荣中国科学技术大学电子工程与信息科学系安徽合肥摘要由于能够很好地近似描述任何分布在模式在识别领域得到了广泛的应用模型参数通常使用迭代的算法训练获得当训练数据量非常庞大及模型混合数很大时需要花费很长的训练时间公司推出的技术通过在并发执行多个线程能够实现大规模并行快速计算由此本文提出一种基于适用于特大数据量的模型快速训练方法包括用于模型初始化的算法的快速实现方法以及用于模型参数估计的算法的快速实现方法文中还将这种训练方法应用到语种模型训练中实验结果表明与的一个
基于CUDA的GMM模型快速训练方法及应用(
吴奎，宋彦，戴礼荣
（中国科学技术大学电子工程与信息科学系，安徽合肥，230027）
摘 要 由于能够很好地近似描述任何分布，GMM在模式在识别领域得到了广泛的应用。GMM模型参数通常使用迭代的EM算法训练获得，当训练数据量非常庞大及模型混合数很大时，需要花费很长的训练时间。NVIDIA公司推出的CUDA技术通过在GPU并发执行多个线程能够实现大规模并行快速计算。由此，本文提出一种基于CUDA，适用于特大数据量的GMM模型快速训练方法，包括用于模型初始化的K-means算法的快速实现方法，以及用于模型参数估计的EM算法的快速实现方法。文中还将这
文档评论（0）