文献

J-GLOBAL ID：201702264983243686   整理番号：17A1034975

Beamnet:ビーム成形器担持多チャネルASRシステムのエンドツーエンド訓練【Powered by NICT】

Beamnet: End-to-end training of a beamformer-supported multi-channel ASR system

著者 (5件)： Heymann Jahn (Paderborn University, Department of Communications Engineering, Germany) ,  Drude Lukas (Paderborn University, Department of Communications Engineering, Germany) ,  Boeddeker Christoph (Paderborn University, Department of Communications Engineering, Germany) ,  Hanebrink Patrick (Paderborn University, Department of Communications Engineering, Germany) ,  Haeb-Umbach Reinhold (Paderborn University, Department of Communications Engineering, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 5325-5329  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,ビーム成形器支持多チャネルASRシステムのためのエンドツーエンド訓練手法を提示した。統計的に最適なビーム成形器のためのマスクを推定するニューラルネットワークを併用音響モデリングのためのネットワークを訓練した。パラメータを更新するために,特徴抽出と複素値ビーム成形操作による方法すべての音響モデルから勾配を伝搬した。フロントエンドとバックエンドの間のミスマッチを回避に加えて,このアプローチは,ステレオデータ,すなわち,信号の清浄および雑音を含むバージョンの並列利用可能性の必要性を除去した。代わり,実際のノイズマルチチャネルデータのみで訓練が可能である。ビームフォーミングのための信号統計量に依存する,抽出手法にはマイクロホンアレイの配置に関する仮定をしない。CHiME4データセット上でシステムの評価における単語誤り率という観点で合同訓練による性能利得を観測した。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： 雑音 ,  ニューラルネットワーク ,  誤り率 ,  *ビーム成形 ,  統計量 ,  ネットワーク ,  利得 ,  不整合 ,  *エンドツーエンド方式 ,  単語 ,  特徴抽出
準シソーラス用語： マイクロホンアレイ ,  音響モデル ,  音響モデリング ,  *マルチチャネル , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (7件)： ビーム ,  成形器 ,  担持 ,  多チャネル ,  ASR ,  エンドツーエンド ,  訓練