文献

J-GLOBAL ID：201702236018730863   整理番号：17A1034946

乗算器の交互方向法を用いた深いニューラルネットワークのための教師なし適応【Powered by NICT】

Unsupervised adaptation for deep neural networks using Alternating Direction Method of Multipliers

著者 (3件)： Hsiao Roger (Raytheon BBN Technologies, 10 Moulton Street, Cambridge, MA 02138, USA) ,  Ng Tim (Raytheon BBN Technologies, 10 Moulton Street, Cambridge, MA 02138, USA) ,  Siu Man-Hung (Raytheon BBN Technologies, 10 Moulton Street, Cambridge, MA 02138, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 5180-5184  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： 本論文では,深いニューラルネットワークのための線形最小二乗に基づく適応(LLS)に関する著者らの研究を続けている。は著者らが以前に提案したアルゴリズムは,乗算器の交互方向手法(ADMM)と呼ばれる最適化アルゴリズムの特殊な場合であることを示した。適応アルゴリズムを双方向長い短期記憶(BLSTM)を含む種々の深いニューラルネットワークの性能を向上させることができることを示した。Hub52000評価セットの配電盤サブセットについて,LLS適応は6~9%の相対的単語誤り率(WER)低減を達成し,7.5%のWERに二パスシステムを改善することができることを示した。本論文では,適応アルゴリズムの成功に寄与する可能性のある要因を解析した。これは環境,適応はシステム性能を改善できるもので理解する助けとなる。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： 単語 ,  最小二乗法 ,  *乗算器 ,  誤り率 ,  アルゴリズム ,  配電盤 ,  *ニューラルネットワーク ,  部分集合 ,  線形性
準シソーラス用語： システム性能 ,  短期記憶 ,  適応アルゴリズム ,  最適アルゴリズム , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 乗算器 ,  ニューラルネットワーク ,  教師 ,  適応