文献

J-GLOBAL ID：201902211759015917   整理番号：19A0298321

マルチゲートGRUユニットを用いた2D-RNNによるEnd-to-End始終端フリー単語検出

著者 (2件)： 田中智宏 (東京工大) ,  篠崎隆宏 (東京工大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2018  号： SLP-125  ページ： Vol.2018-SLP-125,No.5,1-3 (WEB ONLY)  発行年： 2018年12月03日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 単語境界が未知である条件で単語検出を行う始終端フリーDPマッチングを2D-RNNを用いてEnd-to-End型のニューラルネットとして実現する手法を提案する。従来2D-RNNを用いたDPマッチングはテキスト処理において提案されていたが,本研究では連続DPに拡張した上で,音声に適用する。さらに,正例と負例のバランスが大きく異なったタスクにおいて有効な評価尺度であるF値を学習時の目的関数として用いる手法を提案する。提案法はニューラルネットとしての拡張性を備えるとともに,単語検索における一般的な評価尺度を直接目的関数として利用することで,単語検出性能を改善する効果が期待できる。WSJコーパスを用いた実験において,従来法である連続DPマッチングおよびLSTMを用いた単語埋め込み手法と比較して単語検出性能が向上することを示す。(著者抄録)

シソーラス用語： *音声認識 ,  認識 ,  ニューラルネットワーク ,  数値 ,  *神経回路網 ,  キーワード ,  検索 ,  実験 ,  単語 ,  LSTMネットワーク ,  リカレントニューラルネットワーク ,  評価実験
準シソーラス用語： F値 ,  音声検索 ,  単語認識

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (10件)：

• H. Sakoe and S. Chiba: Dynamic Programming Algorithm Optimization for Spoken Word Recognition, IEEE Trans Acoust (1978).
• Graves, Alex and Fernández, Santiago and Schmidhuber, Jürgen: Multi-dimensional Recurrent Neural Networks, in ICANN (2007), pp549-558, Springer Berlin Heidelberg.
• H. Kamper and W. Wang and K. Livescu: Deep convolutional acoustic word embeddings using word-pair side information, Proc. ICASSP (2016).
• Yu-An Chung and Chao-Chung Wu and Chia-Hao Shen and Hung-yi Lee and Lin-Shan Lee: Audio Word2Vec: Unsupervised Learning of Audio Segment Representations using Sequence-to-sequence Autoencoder, Proc. Interspeech (2016).
• S. Settle and K. Livescu: Discriminative acoustic word embeddings: Recurrent neural network-based approaches, Proc. SLT (2016).

タイトルに関連する用語 (4件)： マルチゲート ,  2D ,  RNN ,  単語