文献

J-GLOBAL ID：201702225546596718   整理番号：17A1258400

自動音声認識におけるアクティブ学習のための音響モデル変化の解析【Powered by NICT】

Analysing acoustic model changes for active learning in automatic speech recognition

著者 (4件)： Wu Chenhao (Speech and Hearing Research Group, University of Sheffield, UK) ,  Ng Raymond W. M. (Speech and Hearing Research Group, University of Sheffield, UK) ,  Torralba Oscar Saz (Speech and Hearing Research Group, University of Sheffield, UK) ,  Hain Thomas (Speech and Hearing Research Group, University of Sheffield, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IWSSIP  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  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： 自動音声認識(ASR)のための能動学習では,データの一部は人手トランスクリプションのための自動選択される。目的は,再訓練した音響モデルとASR性能を改善することである。標準アプローチは個々の文の信頼に基づいている。本研究では,転写物ラベル品質に及ぼす別の見方,Gaussスーパベクトル距離(GSD)はデータ選択のための基準として使用されているを検討した。GSDモデルはその適応中に変化したかを定量化する測定基準である。の領域音響モデルから導いた自動音声認識転写物を用いて,教師なし適応化を行い,GSDを計算した。適応モデルを用いて,オーディオブック転写タスクに適用した。GSDはデータ転写品質を予測するためのヒントを提供することが分かった。能動学習における予備的試みは,ランダム選択上のGSD選択基準の有効性を証明し,その将来利用に光を当てた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 選択基準 ,  品質 ,  *モデル
準シソーラス用語： 適応モデル ,  適応化 ,  データ選択 ,  *音響モデル ,  *能動学習 ,  *自動音声認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 自動音声認識 ,  アクティブ学習 ,  音響モデル ,  解析