IPhone

Résumé

L'iPhone est une gamme de smartphone créée par Apple comprenant plusieurs générations, opérant sur le Système d'exploitation mobile iOS, développé également par Apple. Steve Jobs dévoile le premier , l'IPhone 2G, le . Chaque année, la firme américaine publie de nouveaux modèles ainsi que des mises à jour du système d'exploitation. Au , plus de d' ont été vendus. Son interface utilisateur est constituée d'un écran multi-touch. Ce dernier se connecte aux Réseau de téléphonie mobile ou Wi-Fi et les utilisateurs peuvent passer des appels, naviguer sur le web, prendre des photos, écouter de la musique, envoyer et recevoir des e-mails ainsi que des SMS. Depuis son lancement, d'autres fonctionnalités sont ajoutées, notamment des écrans plus grands, la possibilité de filmer des vidéos, l'étanchéité, la possibilité d'installer des applications via l'App Store et de nombreuses fonctions d'accessibilité. Jusqu'en 2017, ils présentaient une conception avec un bouton home sur le panneau avant

Source officielle

https://fr.wikipedia.org/wiki/IPhone

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (15)

Publications associées

Chargement

Personnes associées (4)

Personnes associées

Chargement

Unités associées (1)

Unités associées

Chargement

Concepts associés (84)

Apple Inc. ( « pomme » en anglais) (anciennement Apple Computer, Inc.) est une entreprise multinationale américaine qui crée et commercialise des produits électroniques grand public, des ordinateurs

iOS (initialement iPhone OS) est un système d'exploitation mobile créé et développé par la société américaine Apple exclusivement pour ses produits. Il gère de nombreux appareils tels que l'iPhone, l'

Un smartphone ou téléphone intelligent (au Québec et au Canada francophone, également appelé téléphone multifonction, mobile multifonction ou encore ordiphone) est

Afficher plus

Concepts associés

Chargement

Cours associés (11)

Cours associés

Chargement

Séances de cours associées (15)

Séances de cours associées

Chargement

Posterior-based Sparse Representation for Automatic Speech Recognition

Afsaneh Asaei, Sara Bahaadini Beigy Zarandi, Hervé Bourlard, David Imseng

Posterior features have been shown to yield very good performance in multiple contexts including speech recognition, spoken term detection, and template matching. These days, posterior features are usually estimated at the output of a neural network. More recently, sparse representation has also been shown to potentially provide additional advantages to improve discrimination and robustness. One possible instance of this, is referred to as exemplar-based sparse representation. The present work investigates how to exploit sparse modelling together with posterior space properties to further improve speech recognition features. In that context, we leverage exemplar-based sparse representation, and propose a novel approach to project phone posterior features into a new, high-dimensional, sparse feature space. In fact, exploiting the properties of posterior spaces, we generate, new, high-dimensional, linguistically inspired (sub-phone and words), posterior distributions. Validation experiments are performed on the Phonebook (isolated words) and HIWIRE (continuous speech) databases, which support the effectiveness of the proposed approach for speech recognition tasks.

2014

Chargement

In this paper we define and investigate a set of confidence measures based on hybrid Hidden Markov Model/Artificial Neural Network (HMM/ANN) acoustic models. All these measures are using the neural network to estimate the local phone posterior probabilities, which are then combined and normalized in different ways. Experimental results will indeed show that the use of an appropriate duration normalization is very important to obtain good estimates of the phone and word confidences. The different measures are evaluated at the phone and word levels on both an isolated word task (PHONEBOOK) and a continuous speech recognition task (BREF). It will be shown that one of those confidence measures is well suited for utterance verification, and that (as one could expect) confidence measures at the word level perform better than those at the phone level. Finally, using the resulting approach on PHONEBOOK to rescore the N-best list is shown to yield a 34% decrease in word error rate.

IDIAP1998

Chargement

Improving Posterior Based Confidence Measures in Hybrid HMM/ANN Speech Recognition Systems

Giulia Bernardis, Hervé Bourlard

1998

Chargement