文献

J-GLOBAL ID：201202282649219730   整理番号：12A1634854

音声認識での音響モデリングのためのディープニューラルネットワーク-4つの研究グループの共通視点

Deep Neural Networks for Acoustic Modeling in Speech Recognition

著者 (11件)： HINTON Geoffrey (Univ. Toronto) ,  DENG Li (MSR, Washington) ,  YU Dong (MSR) ,  DAHL George E. (Univ. Toronto) ,  MOHAMED Abdel-Rahman ,  JAITLY Navdeep ,  SENIOR Andrew (Google) ,  VANHOUCKE Vincent (Google Res., California) ,  NGUYEN Patrick (Google Res., California) ,  SAINATH Tara N. ,  KINGSBURY Brian (IBM T.J. Watson Res. Center, New York)
資料名： IEEE Signal Processing Magazine  (IEEE Signal Processing Magazine)
巻： 29  号： 6  ページ： 82-97  発行年： 2012年11月 
JST資料番号： H0928A  ISSN： 1053-5888  CODEN： ISPRE6  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多くの音声認識システムは,会話の時間変動を扱うために隠れマルコフモデル(HMM)と,各HMMの状態が如何に音響入力を表すフレームまたは短ウインドウのフレームに適合するかを決定するためにガウス混合モデル(GMM)を使用している。適合を評価する他の方法として,フィードフォワードニューラルネットワークがある。この方法は,いくつかの係数のフレームを入力として使用し,HMM状態での事後確率を出力として生成している。ディープニューラルネットワーク(DNN)は音声認識ベンチマークでGMMを凌ぐことが示されている。ここでは,音声認識での音響モデリングのためにDNNを用いて成功した4つの研究グループの研究成果を概観した。最近,生成的事前訓練の初期ステージを加えることにより,顕著な性能向上が得られることが示された。事前訓練は狭いニューラルネットよりもディープニューラルネットに有益であり,特に,ラベル化された訓練データが得られる場合にはそうである。これにより,オーバーフィッティングを減らし,GMMの代わりにDNNを使用した場合に障害になっていた,逆伝播による識別微調整に必要な時間を減少させた。GMMに比較してDNNの最大の欠点は,多量データセットでそれらを訓練する大規模クラスタマシーンの利用が困難なことである。しかし,これはDNNが効率的にデータを利用することによりオフセットされる。

シソーラス用語： *音声認識 ,  モデル ,  *隠れMarkovモデル ,  *ニューラルネットワーク ,  *ディープニューラルネットワーク
準シソーラス用語： *Gauss混合モデル ,  *音響モデル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 音声認識 ,  音響モデリング ,  ディープニューラルネットワーク ,  研究 ,  グループ ,  視点