Abstract
在訓練馬可夫模型的參數過程中往往需要大量的訓練時間和資料，若有一群人想使用此一系統時，這種方式便不適合，所以語者調適就是用來解決或減輕這些問題。本論文提出一個簡單、有效，並且能夠很快的去調整隱藏式馬可夫模型參數的方法，根據辨認錯誤的計分差值來調整模型的參數值，這些參數的調整與否乃決定於它是否出現在沿計分程序的最佳路徑上。也就是說事先不假設原來所訓練出來的模型參數是對的，而由新進來的資料做快速有效的調適訓練，使模型能更適合於現在情況，進而提高辨認率。這個調適演算法由15個人用20個非常容易混淆的字，每個字20遍來做測試，經模擬的結果得知效果良好。