文献

J-GLOBAL ID：201702279012655919   整理番号：17A1347748

音声中の検索語検出への応用を考慮した音声特徴と音響トークンの教師なし反復深層学習【Powered by NICT】

Unsupervised Iterative Deep Learning of Speech Features and Acoustic Tokens with Applications to Spoken Term Detection

著者 (4件)： Chung Cheng-Tao (Graduate Institute of Electrical Engineering, National Taiwan University, Taipei, Taiwan) ,  Tsai Cheng-Yu (Graduate Institute of Communication Engineering, National Taiwan University, Taipei, Taiwan) ,  Liu Chia-Hsiang (Graduate Institute of Electrical Engineering, National Taiwan University, Taipei, Taiwan) ,  Lee Lin-Shan (Department of Electrical Engineering, National Taiwan University, Taipei, Taiwan)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 25  号： 10  ページ： 1914-1928  発行年： 2017年 
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： 本論文では,ラベル付けされていない音声データから直接高品質フレームレベル音声特徴と音響トークンを自動的に発見することを目的とした。与えられたコーパスからの音響トークンの多重セットの自動発見のための提案した多粒度音響tokenizer(MAT)。各音響トークンセットをモデル構成を記述するハイパーパラメータの集合により規定されている。これらの異なるセット音響トークンのは与えられたコーパスと言語のための異なる特性を有し,このようにして,相互に強化できる。トークンラベルの多重セットは,フレームレベル音響特徴上で訓練されたマルチターゲット深層ニューラルネットワーク(MDNN)のターゲットとして用いた。MDNNから抽出したボトルネック特徴は,次の反復におけるMATとMDNN自体へのフィードバック入力として用いた。多粒度音響トークン集合とフレームレベル音声特徴は反復深い学習フレームワークで繰返し最適化することができた。はこの枠組みMAT深層ニューラルネットワークと呼ぶ。結果はInterspeech2015で組織化された零資源音声挑戦で定義されたメトリックスとコーパスを用いて評価し,同じコーパス上での質問ごと事例話し言葉用語検出の一連の実験で得られた性能改善された。英語音素に対して発見されたトークンのための可視化も示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *音響 ,  可視化 ,  *トークン ,  話し言葉 ,  コーパス ,  *索引語 ,  *学習 ,  英語 ,  ニューラルネットワーク ,  多重化 ,  最適化 ,  音素
準シソーラス用語： 音響特徴 ,  *深層学習 ,  *音声特徴 , 【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 (9件)： 音声 ,  検索語 ,  応用 ,  音声特徴 ,  音響 ,  トークン ,  教師 ,  反復 ,  深層学習