文献

J-GLOBAL ID：201802247650873982   整理番号：18A1771886

大語い連続音声認識のためのディープFSMN【JST・京大機械翻訳】

Deep-FSMN for Large Vocabulary Continuous Speech Recognition

著者 (4件)： Zhang Shiliang (Alibaba Inc., P. R. China) ,  Lei Ming (Alibaba Inc., P. R. China) ,  Yan Zhijie (Alibaba Inc., P. R. China) ,  Dai Lirong (NELSLIP, USTC, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5869-5873  発行年： 2018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,隣接層におけるメモリブロック間のスキップ接続を導入することにより,改良フィードフォワード逐次メモリネットワーク(fsmn)アーキテクチャ,すなわちDeep-FSMN(DFSMN)を提案した。これらのスキップ接続は,異なる層を横切る情報流を可能にし,非常に深い構造を構築するとき,勾配消失問題を軽減する。結果として,DFSMNはこれらのスキップ接続と深い構造から有意に利益を得た。著者らは,英語とマンダリンを含むいくつかの大きな音声認識タスクに関して,より低いフレームレート(LFR)の有無にかかわらず,DFSMNの性能をBLSTMと比較した。実験結果は,DFSMNが,特にモデリングユニットとしてCD-Phoneを用いてLFRで訓練された劇的な利得を持つBLSTMよりも一貫して優れていることを示した。20000時間Fisher(FSH)タスクにおいて,提案したDFSMNは,クロスエントロピー基準と3グラム言語モデルによる復号化を用いて,純粋に9.4%の単語誤り率を達成することができ,BLSTMと比較して1.5%の絶対改善を達成した。20000時間のマンダリン認識タスクにおいて,LFR訓練DFSMNは,LFR訓練BLSTMと比較して,20%以上の相対的改善を達成することができた。さらに,DFSMNにおけるメモリブロックのルックアップフィルタ次数を容易に設計することができ,実時間アプリケーションの待ち時間を制御することができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *音声認識 ,  記憶装置 ,  ネットワーク ,  英語 ,  フィードフォワード ,  モデリング ,  復号化 ,  応用プログラム ,  利得 ,  待ち時間 ,  計算機アーキテクチャ ,  単語
準シソーラス用語： マンダリン ,  *大語彙連続音声認識 ,  クロスエントロピー , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 大語い連続音声認識