2024-01-05 - Meeting #16

TODO

  1. Ja LU ļauj lietot [1] tipa atsauces, tad pie nosaukumiem Excel liec \cite{key} ja nē, tad kolona “Atsauces”

  2. Pievienot tabulu, kur salīdzini modeļu backbones, veidus, kļūdas funkcijas

  3. Pievienot tabulu, kur salīdzini Datu kopa: Rezultāts starp pētījumiem, MOS ir laba metrika, kuru aprakstīt, ka tā nav visai precīza un uzticama. Apmēram šādā veidā labi: image-20240105115725538

  4. Pārnest rezultātus uz atsevišķu nodaļu un aprakstīt metadoloģijā, ka esi izveidojis Python scriptus ar github atsauci un cik rindiņas koda uzrakstīji utt

  5. Rezultātos

    1. Common Voice - Real data izcelt Tabulās pielikt iekāvās (Difonu modelis) un (Datu kopa)

    2. Labākos rezultātus ar bold

  6. Izveidot kvalitātes kritērijus

  7. Sasitītos pētījumos

    1. 2 paragrāfi intro vispār par Deep Learning, Backprop, SGD, Optim, hyper-param search

    2. RNN WavNet Tachatron

  8. Prezentācijā izvilkt lapākos / sliktākos NISQA un CER piemērus

  9. futurer research - katram sample speaker embedding