立端 展望的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

搭蘆灣手記

為了解決立端 展望的問題，作者孫大川 這樣論述：

　　昨是今非，今是昨非……終究是一場虛幻…… 　　此書是孫大川近幾年來的書寫紀錄，輯一「搭蘆灣」以較為抒情的筆調，描寫對家鄉與生活的所見所感，亦敘及諸多前輩人物的生命風範。輯二「山風海雨」，蒐集了論述性的文章，呈現從原住民角度觀看台灣社會現象的省思。輯三「伊拉，呼」，收錄的多篇書序從多元的觀點切入，審視原住民文學與文化的課題。 作者簡介 孫大川 　　台東卑南族人。　　一九五三年生於下賓朗（pinaski）部落，族名巴厄拉邦．德納班（paelabang danapan）。　　比利時魯汶大學漢學碩士、輔大哲學研究所碩士、台大中文系畢業。　　曾任教於東吳大學、清華大學、輔仁大學、政治大學、台灣大

學等校。　　曾擔任山海文化雜誌社總策劃及總編輯、東華大學民族發展研究所所長、民族語言與傳播學系系主任、財團法人原舞者文化藝術基金會董事長、公視董事、兩廳院董事等。 　　著有《久久酒一次》、《山海世界——台灣原住民心靈世界的摹寫》、《夾縫中的族群建構——台灣原住民的語言、文化與政治》、《姨公公》、《BaLiwakes，跨時代傳唱的部落音符——卑南族音樂靈魂陸森寶》等書。並曾主編中英對照《台灣原住民的神話與傳說》系列叢書十卷本、《台灣原住民族漢語文學選集》，且與日本學者土田滋、下村作次郎等合作，出版日譯本《台灣原住民作家文選》九卷。 　　現任於行政院原住民族委員會主任委員、政大台灣文學研究所副教授

、台灣原住民文學作家筆會會長。

立端 展望進入發燒排行的影片

以潛藏語者資訊改進低資源語言之語音辨識系統

為了解決立端 展望的問題，作者林洪邦 這樣論述：

本論文針對多項低資源語言任務建立端到端以及深度類神經網路結合隱藏式馬可夫模型 (DNN-HMM) 語音辨識系統，並透過音檔潛藏的語者資訊、額外的訓練資料以及改善聲學模型架構來改進系統效能。我們參加了 2020 年之開放自動語音辨識競賽的廣東話和越南語任務，以及 2020 年之福爾摩沙語音辨識競賽的台文漢字和台羅拼音任務來作為評估系統的標準。本文以基於自注意力機制的 Transformer 架構，以及結合卷積神經網路與 Transformer 的 Conformer 架構建立端到端的語音辨識系統，並透過梯度反轉層搭配語者分類器進行對抗式訓練，使得廣東話任務的字詞錯誤率從 62.9% 下降至 6

0.7%，並使台羅拼音任務的音節錯誤率從 17.2% 下降至 11.4%。另外也透過擷取能代表語者資訊的向量 i-vector 與編碼器的輸出計算注意力機制，使端到端模型在台文漢字任務的字元錯誤率由 43.4% 下降至 43.2%。我們也利用 CTC-Segmentation 重新對齊額外的訓練資料以提昇資料的品質，使得端到端模型在台文漢字以及台羅拼音任務下降了 7.5% 以及 3.0% 的錯誤率。針對台羅拼音任務，本文也以時間限制自注意力機制建立 DNN-HMM 之聲學模型，並透過結合分解時延神經網路以及兩個前饋神經網路使得音節錯誤率在台羅拼音任務上由 16.3% 下降至 15.3%。