文献

J-GLOBAL ID：201502262968452600   整理番号：15A0172001

層ワイズ発生訓練のある深部ニューラルネットワークによる音声変換

Voice Conversion Using Deep Neural Networks With Layer-Wise Generative Training

著者 (4件)： CHEN Ling-Hui (Univ. Sci. and Technol. China, Hefei, CHN) ,  LING Zhen-Hua (Univ. Sci. and Technol. China, Hefei, CHN) ,  LIU Li-Juan (Univ. Sci. and Technol. China, Hefei, CHN) ,  DAI Li-Rong (Univ. Sci. and Technol. China, Hefei, CHN)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 22  号： 11/12  ページ： 1859-1872  発行年： 2014年11月 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
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： 音源および対象話者のスペクトルエンベロープの間の写像関係を構成するように深部ニューラルネットワーク(DNNs)による新しいスペクトルエンベロープ変換方法を提案した。提案の四層DNNはBernouli双方向連想メモリ(BAM)(BBAM)と二つの制約Boltzmannマシン(RBMs)のカスケードから層ごとに訓練された。RBMsを利用して音源および対象話者のスペクトルエンベロープの分布をモデル化した。BBAMを使用して二つのRBMsから抽出された隠れ変数の接合分布をモデル化した。音声変換中に,出力スペクトルエンベロープの条件付き分布は層毎に得られ,得られた条件付き分布は単一Gauss分布により近似された。

シソーラス用語： 連想メモリ ,  ニューラルネットワーク ,  *音声処理 ,  *信号変換 ,  適応訓練 ,  Gauss模型 ,  Boltzmannマシン ,  エンベロープ ,  スペクトル ,  正規分布 ,  *音声変換 ,  訓練 ,  ディープニューラルネットワーク ,  教育訓練
準シソーラス用語： 深部ニューラルネットワーク

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (4件)： 層 ,  訓練 ,  深部ニューラルネットワーク ,  音声変換