文献

J-GLOBAL ID：201802264057882746   整理番号：18A1771674

シーケンス-シーケンスモデルによる最先端音声認識【JST・京大機械翻訳】

State-of-the-Art Speech Recognition with Sequence-to-Sequence Models

著者 (14件)： Chiu Chung-Cheng (Google, USA) ,  Sainath Tara N. (Google, USA) ,  Wu Yonghui (Google, USA) ,  Prabhavalkar Rohit (Google, USA) ,  Nguyen Patrick (Google, USA) ,  Chen Zhifeng (Google, USA) ,  Kannan Anjuli (Google, USA) ,  Weiss Ron J. (Google, USA) ,  Rao Kanishka (Google, USA) ,  Gonina Ekaterina (Google, USA) ,  Jaitly Navdeep (Google, USA) ,  Li Bo (Google, USA) ,  Chorowski Jan (Google, USA) ,  Bacchiani Michiel (Google, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 4774-4778  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： 従来の自動音声認識(ASR)システムの音響,発音および言語モデル要素を,単一ニューラルネットワークにサブsuする,Lisen,At傾向,およびSpell(LAS)のような注意に基づく符号器-復号器アーキテクチャについて述べた。以前の研究において,そのようなアーキテクチャは,辞書タスクに関する最新のASRシステムに匹敵するが,そのようなアーキテクチャが音声検索のようなより挑戦的なタスクに対して実用的であるかどうかは明らかでなかった。本研究では,性能を大幅に改善する著者らのLASモデルに対する種々の構造的および最適化改善を検討した。構造的側面に関して,著者らは,単語片モデルが,グラフの代わりに使用することができることを示した。また,一般的に使用される単一ヘッドの注意を超える改善を提供するマルチヘッド注意アーキテクチャを導入した。最適化側において,同期訓練,予定サンプリング,ラベル平滑化,および最小単語誤り率最適化を調査し,それらはすべて精度を改善することを示した。ストリーミング認識のための一方向LSTM符号器による結果を示した。12,500時間の音声探索タスクにおいて,提案した変化はWERを9.2%から5.6%に改善し,一方,最良の従来システムは6.7%を達成することを見出した。このモデルにより,従来のシステムに対する5%と比較して4.1%のWERを達成した。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 ,  最適化 ,  音響 ,  ニューラルネットワーク ,  復号器 ,  符号器 ,  平滑化 ,  誤り率 ,  計算機アーキテクチャ ,  単語 ,  ストリーミング ,  言語モデル
準シソーラス用語： 自動音声認識 ,  音声検索 ,  *最先端 , 【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 (4件)： シーケンス ,  モデル ,  最先端 ,  音声認識