文献

J-GLOBAL ID：201702269941887172   整理番号：17A0797894

多様体正規化低ランク行列因数分解を用いた深いニューラルネットワークに基づく音響モデルパラメータ削減【Powered by NICT】

Deep neural network based acoustic model parameter reduction using manifold regularized low rank matrix factorization

著者 (5件)： Chung Hoon (Electronics and Telecommunications Research Institute, Daejeon, Korea) ,  Kang Jeom Ja (Electronics and Telecommunications Research Institute, Daejeon, Korea) ,  Park Ki Young (Electronics and Telecommunications Research Institute, Daejeon, Korea) ,  Lee Sung Joo (Electronics and Telecommunications Research Institute, Daejeon, Korea) ,  Park Jeon Gue (Electronics and Telecommunications Research Institute, Daejeon, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SLT  ページ： 659-664  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： 本論文では,低資源埋込まれたデバイスのための音響モデルの計算複雑性を低減するために多様体正則化低ランク行列因数分解に基づく深層ニューラルネットワーク(DNN)モデルパラメータ削減を提案した。最も一般的なDNNモデルパラメータ低減技術の一つは,打切り特異値分解(TSVD)である。TSVDはユークリッドノルムを最小化する点で低品位とターゲットマトリックスを近似することにより,パラメータの数を減少させる。本研究では,DNNは音響的特徴の非線形多様体を学習することが知られているので,DNN行列を因数分解する目的関数としてユークリッドノルムが適切であるか調べた。ロバストパラメータ低減のための多様体構造を利用するために,多様体正則化行列因数分解手法を提案した。提案した方法は,TIMIT電話認識ドメインで評価した。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： 特異値分解 ,  *ニューラルネットワーク ,  電話 ,  深層 ,  *多様体 ,  *正規化 ,  *因数分解 ,  計算量 ,  打切 ,  目的関数 ,  正則化
準シソーラス用語： 音響特徴 ,  *モデルパラメータ ,  *音響モデル ,  *行列因数分解 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 多様体 ,  正規化 ,  行列因数分解 ,  ニューラルネットワーク ,  音響モデル ,  パラメータ