抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,特徴ベクトルの次元縮小のために用いられた2つの手法の分散型音声認識(DSR)環境における音声認識性能に対するインパクトについて調べた。DSRシステムにおいて,クライアントフロントエンドからサーババックエンドに向けて,チャネル上での特徴ベクトルを送出するために要求される帯域幅を縮小することが,この特徴集合の次元縮小の背景にある動機である。第一のアプローチにおいて,認識性能最大化を実現するために特徴ベクトルの実験的選択を行った。第二のケースにおいて,データ中心型変換ベース次元縮小技法を適用した。この実験的アプローチに対するテスト結果により,個別係数が音声認識性能に対して異なるインパクトを持ち,与えられた訓練およびテスト条件に対して実験的に選択された縮小特徴集合の中にある係数が常に存在しなければならないことを示した。初期結果により,この実験的手法に対し,確立されたDSRフロントエンドにより生成される特徴ベクトルの中の要素の数が,23%削減可能になり,その時の認識性能に対するインパクトが低くなる(完全帯域幅ケースと比較して8%以下の相対性能の低下)が見られた。変換ベースアプローチを用いることにより,認識性能に対してこれと似たインパクトに対し,特徴ベクトル要素の数が30%削減可能になった。さらに,最良の認識性能に対し,そこで得られた結果により,縮小特徴集合の中に含まれるべき特徴ベクトル要素を選択する場合,いずれかのアプローチを用いてもその音声信号のSNRが考慮されるべきであることを指摘した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.