抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
可変長単語音声セグメントの固定次元ベクトル表現 音響単語埋込みは,音声認識と質問ごと事例探索のようなタスクのために考慮され始めている。同じ単語に対応する音声セグメントで類似していたようにこのような埋め込みは,識別的に学ぶことができる,異なる単語に対応するセグメントのための異種であった。最近の研究は,音響単語埋込みは質問ごと事例探索と関連単語弁別課題に及ぼす動的時間ワーピングをより優れていることが分かった。しかし,埋め込みモデルと訓練アプローチの空間はまだ相対的に解明されていない。本論文では,リカレントニューラルネットワーク(RNN)に基づく新しい識別埋込みモデルを提示した。以前の研究,特に単語分類のためのクロスエントロピー損失と「シャムネットワーク」訓練環境における分離した同じ単語と異なる単語対することを目的とした明示的に対照的な損失に成功してきた訓練損失を考察した。分類器ベースとシャムRNN埋込みは,単語弁別課題に以前に報告された結果よりも改善し,シャムRNN優れている分類モデルであることを見出した。添加では,学習した埋込の解析と次元性とネットワーク構造のような変数の効果を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】