Записали то, как человек произнес букву «О» (звук, фонему: в контексте данной статьи неважно как это правильно называется, статья не на тему филологии, а том, как предлагается описывать статически фонему). Задачи сравнивать с «аллофонами» различных слов не было, так как на данном этапе был интерес попробовать описать матмодель. Сейчас работаем над изучением АЧВХ рассматриваемого сигнала, опять же не обостряя внимание на том, какой это «аллофон» фонемы /О/, так как в рамках текущих задач это не является чем-то значимым.
Я хочу сказать, что фонема /О/ рассматривалась вне каких либо слов, которые могут ее содержать. Просто записали человека, который произнес данную фонему, далее работали с этой записью.
Вейвлет раскроет структуру фонемы во времени и то, как происходит модуляция ее. На это влияет эмоциональная окраска и тембр голоса. Здесь же описан самый простой способ математического моделирования. Здесь не представлены, но данная модель себя оправдывает
Иногда три строчки в коде на фронте могут похерить пару костылей. Аналогично и для бека. Тут и важно понимать, что надо сделать самому, а что просить у бека.
Каков смысл раскладывать каналы на разные битовые плоскости? Это только усложнит процедуру сжатия, ровно как и увеличит время работы предикторов. То же самое касается использования двух предикторов.
Если правильно написать NNFilter, допустим используя технологию OpenCL, то сеть ускорится в разы и сможет конкурировать с остальными предикторами. Над чем я собственно и занят в настоящее время на работе.
Тем более неточность нотации не такая уж большая
Если бы рассматривалось какое-то конкретное слово, то об этом в статье было указано. Этого в статье не было, тогда какие могут быть вопросы?
Каким образом данный монолог касается непосредственно математической модели?
Тем интереснее решать такую задачу. И любая заоача решается путем решения более мелких и простых, из которых состоит основная.
И вейвлет представляет распределение амплитуды и частоты во времени, так что это не просто частотно-временное распределение.
Вейвлет раскроет структуру фонемы во времени и то, как происходит модуляция ее. На это влияет эмоциональная окраска и тембр голоса. Здесь же описан самый простой способ математического моделирования. Здесь не представлены, но данная модель себя оправдывает