DNN HMMベース音声認識における不確実性重みづけと伝搬【Powered by NICT】

Novoa Jose; Fredes Josue; Poblete Victor; Yoma Nestor Becerra

文献

J-GLOBAL ID：201702282787950380 整理番号：17A1562745

DNN HMMベース音声認識における不確実性重みづけと伝搬【Powered by NICT】

Uncertainty weighting and propagation in DNN-HMM-based speech recognition

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1562745&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1562745&from=J-GLOBAL&jstjournalNo=T0677A") }}

著者 (4件)： , , ,
資料名：
巻： 47 ページ： 30-46 発行年： 2018年
JST資料番号： T0677A ISSN： 0885-2308 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

DNN HMMベース音声認識のための不確実性の重みづけスキームが復号化過程における識別性を増加させるために提案した。この目的のために,DNN擬似対数尤度は音響観察に割り当てられた不確かさ分散による重みづけを行った。ここに示した結果は,WERの実質的な減少はクリーントレーニングで達成されることを示唆した。さらに,DNNを通して不確実性伝搬を必要としないモデル化と非線形活性化関数の近似を行っていない。提示された方法は,対数尤度のようなスコアを与えることを任意のネットワークトポロジーに適用することができる。は雑音除去技術と組み合わせることができ,最小の計算コストを追加した。この技術を徹底的にDNN出力で擬似対数尤度と不確実性分散を計算するための評価と組み合わせた不確実性伝搬ベース方式とした。二提案した方法は,与えられたタスクを表す開発データベースあるいは識別基準に基づいて各発話に対するグリッドサーチを活用することにより重み関数のパラメータを最適化した。Aurora 4タスクを用いた実験は,クリーントレーニングと,提案した重みづけ方式は無香料変換を用いたスペクトルサブトラクションと不確実性伝搬を持つベースラインシステムと比較して最大21%のWERを低減できることを示した。不確実性重みづけ法はクリーンでマルチnoise/multi条件訓練の間のギャップを減少させた。は試験ものと類似した条件でのDNN HMMシステムを訓練することは容易ではない場合,これは有用である。最後に,不確実性の使用に示した結果は,ここで用いたものと同じデータベースを用いて他で公表された値と非常に競争力がある。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

パターン認識 , システム・制御理論一般

, , , ,

前のページに戻る