文献

J-GLOBAL ID：201702260034194092   整理番号：17A0142476

異なる性混合物のための深いニューラルネットワークによる教師なし単一チャネル音声分離【Powered by NICT】

Unsupervised single-channel speech separation via deep neural network for different gender mixtures

著者 (4件)： Wang Yannan (National Engineering Laboratory for Speech and Language Information Processing, University of Science and Technology of China, Hefei, Anhui, P. R. China) ,  Du Jun (National Engineering Laboratory for Speech and Language Information Processing, University of Science and Technology of China, Hefei, Anhui, P. R. China) ,  Dai Li-Rong (National Engineering Laboratory for Speech and Language Information Processing, University of Science and Technology of China, Hefei, Anhui, P. R. China) ,  Lee Chin-Hui (School of Electrical and Computer Engineering, Georgia Institute of Technology, Atlanta, GA. USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-4  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： 本研究では,単一チャネルセッティングにおける教師なし音声分離のための深層ニューラルネットワーク(DNN)による回帰法を提案した。はお互いに類似しているすぎない場合,二人の話者はよく分離できることを重要な仮定に依存している。二話者間の非類似性測度は,競合する話者間の分離能を特性化するために提案した。異なる性の話者間の距離が可能な分離を正当化するのに十分大きいことを実証した。は最終的に二重出力,女性話者グループには,他は男性話者群を特徴づけるとDNNアーキテクチャを提案した。音声分離チャレンジコーパス上での訓練と試験した著者らの実験結果は,提案したDNNアプローチは,混合ターゲットと干渉話者に関する特別な知識を用いずに最先端の教師なし技術に比べて大きな性能利得を達成し,教師つきGMMベース法より優れていることを示した。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： 測度 ,  男性 ,  利得 ,  計算機アーキテクチャ ,  深層 ,  キャラクタリゼーション ,  *ニューラルネットワーク ,  干渉 ,  女性 ,  チャネル
準シソーラス用語： 非類似性 ,  話者 ,  *音声分離 , 【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)： 性 ,  混合物 ,  ニューラルネットワーク ,  教師 ,  チャネル ,  音声分離