文献

J-GLOBAL ID：201902231579134939   整理番号：19A1426273

改良DNNボトルネック特徴抽出法【JST・京大機械翻訳】

Modified DNN Bottleneck Feature Extraction Method

著者 (2件)： Zhang Yulai (貴州大学 大数据与信息工程学院,貴州 貴陽,550025) ,  Li Liangrong (貴州大学 大数据与信息工程学院,貴州 貴陽,550025)
資料名： Tongxin Jishu  (Tongxin Jishu)
巻： 52  号： 3  ページ： 587-591  発行年： 2019年 
JST資料番号： C4079A  ISSN： 1002-0802  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： メル周波数スペクトルケプストラム,メルスケールフィルタバンクの特徴抽出,ボトルネック特徴などの一般的音声特徴が音声の前後フレーム相関情報抽出不足,冗長情報が多いため認識率が低いという問題に対して,深さニューラルネットワークの音声ボトルネック特徴抽出方法を改良した。このアルゴリズムでは,オーバラップセットのソーティングアルゴリズムを利用して,特徴化力,L2,1ノルム疎正則化を強化して,深さニューラルネットワークの音声ボトルネック特徴抽出を改善し,メルスペクトルケプストラム音響特徴抽出を用いて,二次特徴抽出を行い,そして,特徴化能力が高く,スパース性を持つ音声ボトルネック特徴を得た。実験結果は,改良深さニューラルネットワークの音声ボトルネック特性が,オリジナルのメルスペクトル逆スペクトル特徴抽出法と比較して,音声認識誤り率を3.25%減少させることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  ソーティング ,  正則化 ,  ノルム ,  スペクトル ,  情報抽出 ,  ケプストラム ,  *特徴抽出 ,  アルゴリズム ,  音響
準シソーラス用語： スパース性 ,  オーバラップ ,  認識率 ,  音声特徴 ,  周波数スペクトル , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： ボトルネック ,  特徴抽出法