文献

J-GLOBAL ID：201702242144407397   整理番号：17A0214573

双方向一般化された可変パラメータHMMのための畳込みニューラルネットワークボトルネック特徴【Powered by NICT】

Convolutional neural network bottleneck features for bi-directional generalized variable parameter HMMs

著者 (3件)： Su Rongfeng (Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Liu Xunying (Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Wang Lan (Guangdong Provincial Key Laboratory of Robotics and Intelligent System, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IEEE ICIA 2016  ページ： 1126-1131  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,畳込みニューラルネットワーク(CNN)は,音声認識における音響モデリングに成功裏に適用した。CNNからボトルネック特徴は本質的に識別的で豊富な文脈情報を含んでいるので,標準的アプローチはタンデムフレームワークにおけるCNNボトルネック特徴を有する従来の音響特徴を増強することである。それらの間の高度に複雑な関係をよりよく把握するために,新しい双方向一般化可変パラメータHMM(GVP HMM)に基づく手法を提案した。この手法では,連続音響特徴空間HMMパラメータの軌跡だけでなく,CNNボトルネック特徴に対するモデル空間線形変換は,多項式関数によってモデル化した。,局所的に変化する多項式パラメータと度によって決定される,各方向の最適GVP HMMモデル構造は,モデル選択技術を用いた自動学習することができた。提案した双方向GVP HMMに基づくアプローチは,オーロラ4タスク上で12.22%の単語誤り率を与えた。特に,相対的に18.09%の顕著な誤り率の低減は二次マイクロホンチャネル条件にCNNボトルネック特徴を用いたベースラインタンデムHMMシステムで得られた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデリング ,  単語 ,  *ニューラルネットワーク ,  誤り率 ,  一次変換 ,  音声認識 ,  音響 ,  多項式 ,  極光 ,  *畳込み
準シソーラス用語： モデル選択 ,  特徴空間 ,  音響特徴 ,  文脈情報 ,  音響モデリング , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 双方向 ,  一般化 ,  可変 ,  パラメータ ,  HMM ,  畳込みニューラルネットワーク ,  ボトルネック