第590章(2 / 3)

投票推荐 加入书签 留言反馈

  没有亲戚,也就不需要过元旦什么的。

  石磊一个人在景雅苑,研究着《勇者世界》的操作方式。《勇者世界》按照石磊的计划,将采用行为动态识别引擎,以体感游戏的方式进行。

  但单单依靠体感游戏的方式,绝对会造成很多麻烦,比如说怎么选择菜单,或者使用物品,以及瞄准等等。

  假如《勇者世界》内,游戏角色想要使用背包中的道具,单单只用行为动态识别引擎,总不可能让玩家弄一个背包,挂在身上吧?

  但如果这个时候,让玩家使用鼠标和键盘,那又会十分搞笑。一旦《勇者世界》解决不了这个操作问题,所谓的体感游戏,便是一个天大的笑话!

  为此,石磊准备了第二操作系统,用以弥补行为动态识别引擎的不足,达到真正的实现体感操作的目的。

  石磊准备的第二操作系统是……

  第349章 GMM/高斯混合模型和瞳孔追踪

  石磊准备的第二操作系统,是基于GMM/高斯混合模型的计算方式,主要用于开发语音系统。

  所谓的高式混合模型,是一种用高斯概率密度函数精确的量化事务,将一个事务分解成若干个高斯概率密度函数,也就是正态分布曲线,而形成的一种模型。

  GMM模型通常用作语音识别,在计算机领域中,获得了广泛的应用。虽然GMM模型制作的语音识别,会有大约20-30%的错误识别率,但只要语音足够标准,而且配合行为动态识别引擎监控唇语,这个错误识别率会大大的降低。

  唇语方面的嘴唇行为动态,通过行为动态识别引擎,完全可以捕捉成功的识别。至于语音命令足够标准,那就不是石磊可以控制的了,毕竟各地方言不同,只能基于普通话为标准。

  石磊可以肯定的给予回应,想要玩好《勇者世界》,那么一定要有一口标准的普通话。也许随着《勇者世界》的风靡,在夏国境内,还会掀起一股学习普通话的热潮呢!

  如果真是这样,《勇者世界》有可能会得到夏国官方的推荐,若真的可以得到官方推荐,那《勇者世界》绝对会飞黄腾达!

  GMM高斯混合模型并不复杂,在自然语言处理中,这只是浅层学习神经网络。在零六年的时候,加拿大多伦多大学的教授,在顶级科学刊物《科学》上,发布了一篇名为学术论文,其中介绍了深层学习神经网络的问题。很多隐层的人工神经网络具备优秀的特征学习能力,学习得到的特征对数据有更本质的刻画。这就是与浅层学习神经网络对应的深层学习神经网络。
↑返回顶部↑

章节目录