文献

J-GLOBAL ID：201802276340373050   整理番号：18A1771901

深層混合生成ネットワークに基づく音響モデリングに関する高速適応【JST・京大機械翻訳】

Fast Adaptation on Deepmixture Generative Network Based Acoustic Modeling

著者 (3件)： Ding Wen (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering SpeechLab, China) ,  Tan Tian (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering SpeechLab, China) ,  Qian Yanmin (Tencent AI Lab, Tencent, Bellevue, WA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5944-5948  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： 深いニューラルネットワーク(DNN)は,自動音声認識(ASR)において最先端の性能を達成した。しかしながら,パラメータとニューロンの意味はDNNsにおいて解釈するのが困難であり,それはDNNsの正則化と適応を困難にする。本研究では,より解釈可能なモデル,深い混合生成ネットワーク(DMGN)に対する効果的で効率的な適応を行うことを目的とした。適応手段は,DMGNのための適応を実行するために最初に提案される。教師なし適応モードにおいて,話者依存の平均値を推定した。さらに,識別線形回帰(DLR)を提案し,適応データを欠いているとき,よりロバストな話者依存性手段を推定した。提案した方法をスイッチボードの50時間サブセットで評価した。実験は,すべての提案方法が話者独立ベースラインより良く,LHUCと比較してわずかな性能改善が得られることを明らかにした。さらに,1つのセノンのGauss平均と2Dグラフへのこのセノンに整列したすべての入力をプロジェクトした。例証は,DLRを適用した後に,平均値が実際に平均点から話者の特定の中心に移されることを示して,それは再びDMGNのより良い説明を実証した。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： *ネットワーク ,  ニューロン ,  ニューラルネットワーク ,  二次元 ,  *高速度 ,  正則化 ,  部分集合 ,  基準線 ,  *深層 ,  ロバスト性
準シソーラス用語： 線形回帰 ,  自動音声認識 ,  話者 ,  音響モデリング ,  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 (3件)： 深層 ,  音響モデリング ,  適応