文献

J-GLOBAL ID：201702250399186083   整理番号：17A0142595

多言語言語資源を用いたI-ベクトルに基づく深部ニューラルネットワーク音響モデル適応【Powered by NICT】

I-vector based deep neural network acoustic model adaptation using multilingual language resource

著者 (6件)： Xu Haihua (Temasek Laboratories, Nanyang Technological University, Singapore) ,  Rao Wei (Temasek Laboratories, Nanyang Technological University, Singapore) ,  Xiao Xiong (Temasek Laboratories, Nanyang Technological University, Singapore) ,  Huang Hao (School of Information Science and Engineering, Xinjiang University, Urumqi, China) ,  Chng Eng-Siong (Temasek Laboratories, Nanyang Technological University, Singapore) ,  Li Haizhou (Temasek Laboratories, Nanyang Technological University, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-5  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： DNN HMM音響モデルのI-ベクトル適応音声認識のための明確な性能改善を示した。本論文では,バベルタスクにこの技術を研究した。それぞれiベクトル抽出器を訓練するための多言語資源として,ターゲット言語(50時間の訓練データ)と他の6言語としてスワヒリ語を使用した。著者らの研究は,より多言語データを用いて訓練されたiベクトル抽出器は僅かに改善された結果をもたらすだけであることを示した。さらに,二iベクトル適応法,1)スペクトル特徴を持つ連接iベクトルを比較した。2)NNを用いたiベクトルからのスペクトル特徴に添加バイアス項を予測した。DNNはスクラッチから訓練した場合,二つの方法は同様に行った。しかし,第二の方法のみが言語横断移動学習シナリオにおいて適切である。もそれを調べ,結果は,単語誤り率の低減が得られることを示した。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： *音響 ,  単語 ,  抽出装置 ,  *ベクトル ,  バイアス ,  誤り率 ,  *言語 ,  ニューラルネットワーク ,  音声認識 ,  スペクトル特徴
準シソーラス用語： 訓練データ ,  *音響モデル ,  *モデル適応 ,  *言語資源 ,  *多言語 , 【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 (6件)： 多言語 ,  言語資源 ,  i-ベクトル ,  深部ニューラルネットワーク ,  音響モデル ,  適応