文献

J-GLOBAL ID：201402285709618128   整理番号：14A0102472

雑音ロバスト性音声認識に対するディープニューラルネットワークに関する調査

AN INVESTIGATION OF DEEP NEURAL NETWORKS FOR NOISE ROBUST SPEECH RECOGNITION

著者 (3件)： SELTZER Michael L. (Microsoft Res., WA, USA) ,  YU Dong (Microsoft Res., WA, USA) ,  WANG Yongqiang (Cambridge Univ., Cambridge, GBR)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2013 Vol.11  ページ： 7398-7402  発行年： 2013年 
JST資料番号： E0316B  ISSN： 1520-6149  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： 音声認識に対し,多数の隠れ層を持つ多層パーセプトロンであるディープニューラルネットワーク(DNN)に基づく音響モデルはGauss混合モデルに優るが,耐環境性の評価が必要である。今回,DNN利用音響モデルの雑音耐性を調べ,精度を改善する三つの手法を提案した。初めの二つは特徴空間及びモデル空間雑音訓練に似たDNNであり,DNNの訓練に環境歪の情報を用いる。第三の手法はドロップアウト訓練を行う。DNN音響モデルは音声認識のロバスト性を改善した。

シソーラス用語： *音声認識 ,  ニューラルネットワーク ,  多層パーセプトロン ,  モデル ,  *雑音余裕 ,  空間 ,  教師つき学習 ,  適応訓練 ,  特徴抽出 ,  マッチング ,  音声処理 ,  ディープニューラルネットワーク ,  モデルマッチング ,  *ロバスト音声認識 ,  隠れ層 ,  教育訓練
準シソーラス用語： 音響モデル ,  教師つき訓練 ,  特徴空間

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 雑音 ,  ロバスト性 ,  音声認識 ,  ディープニューラルネットワーク ,  調査