一.简单题1.C++中STL vector 相关 (1).push_back函数的内存分配是怎样的？ (2).clear函数的内存分配是如何实现的？2.（这道题目给出了一个C语言的代码，让找出foo函数中的错误或者不合理的地方）[具体代码记不清除了，大概如下]void foo(char a[100], cnt[256]){   memset(cnt, 0

笔试题：一、简答题30分1. extern”C”{}的作用好应用场景；2.写出两者你熟悉的设计模式，及应用场景，可以给出伪代码；3.TCP中time_wait是表示那种状态，及应用场景，以及起好处和坏处；二、算法题40分1. 有一个任务执行机，任务数N但是任务之间没有循环依赖，请给出适当的任务执行顺序。算法、伪代码，并分析其时间复杂度和空间复杂度。2. 编写函数

前言：隐含马尔可夫模型是一个数学模型，到目前为之，它一直被认为是实现快速精确的语音识别系统的最成功的方法。复杂的语音识别问题通过隐含马尔可夫模型能非常简单地被表述、解决，让我不由由衷地感叹数学模型之妙。自然语言是人类交流信息的工具。很多自然语言处理问题都可以等同于通信系统中的解码问题 -- 一个人根据接收到的信息，去猜测发话人要表达的意思。这其实就象通信中，我们根据接收端收到的信号去分析、

我们已经介绍了信息熵，它是信息论的基础，我们这次谈谈信息论在自然语言处理中的应用。先看看信息熵和语言模型的关系。我们在系列一中谈到语言模型时，没有讲如何定量地衡量一个语言模型的好坏，当然，读者会很自然地想到，既然语言模型能减少语音识别和机器翻译的错误，那么就拿一个语音识别系统或者机器翻译软件来试试，好的语言模型必然导致错误率较低。这种想法是对的，而且今天的语音识别和机器翻译也是这么做的。但

读者也许注意到了，我们在前面的系列中多次提到了贾里尼克这个名字。事实上，现代语音识别和自然语言处理确实是和它的名字是紧密联系在一起的。我想在这回的系列里，介绍贾里尼克本人。在这里我不想列举他的贡献，而想讲一讲他作为一个普普通通的人的故事。这些事要么是我亲身经历的，要么是他亲口对我讲的。弗莱德里克.贾里尼克(Fred Jelinek)出生于捷克一个富有的犹太家庭。他的父母原本打算送他去英国的

1自动语音识别简介语音识别技术，也可以称为自动语音识别（Automatic Speech Recognition，ASR），其任务是把人所发出的语音中词汇内容转换为计算机可读入的文本。语音识别技术是一种综合性的技术，它涉及到多个学科领域，如发声机理和听觉机理、信号处理、概率论和信息论、模式识别以及人工智能等等。目前，主流的大词汇量语音识别系统中通常采用基于统计模型的识别技术，典型的基于

Sphinx4语音识别的框架1  sphinx4基本模块Sphinx4主要由三个基本模块构成：FrontEnd，Decoder，Linguist。FrontEnd接受信号的输入并且转化为特征序列。Linguist把任何类型的标准语言模型，字典的发音信息以及一些声学模型的结构信息转换为一个SearchGraph。在Decoder 中的SearchManager负责用Front