文献

J-GLOBAL ID：201902242056052531   整理番号：19A1488923

大語彙連続音声認識のためのBayesおよびGauss過程神経回路網【JST・京大機械翻訳】

Bayesian and Gaussian Process Neural Networks for Large Vocabulary Continuous Speech Recognition

著者 (8件)： Hu Shoukang (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Lam Max W. Y. (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Xie Xurong (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Liu Shansong (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Yu Jianwei (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Wu Xixin (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Liu Xunying (The Chinese University of Hong Kong, Hong Kong SAR, China) ,  Meng Helen (The Chinese University of Hong Kong, Hong Kong SAR, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 6555-6559  発行年： 2019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(DNNs)の中の隠れた活性化関数は,高レベル識別特徴を学習して,より長い歴史を追跡するために情報フローを制御することにおいて重要な役割を果たした。しかし,標準DNNsで使用される固定モデルパラメータは,限られた訓練データを与えられたとき,過剰適合と貧弱な一般化に導くことができる。さらに,DNNsで使用される活性化の正確な形式は,すべての隠れたノードに対してグローバルレベルでしばしば手動で設定され,自動選択法を欠いている。これらの問題を扱うために,Bayesニューラルネットワーク(BNNs)音響モデルを提案し,DNNパラメータに関連する不確実性を明示的にモデル化した。Gauss過程(GP)活性化に基づくDNNとLSTM音響モデルも本論文で用いて,隠れた活性化の最適形式を個々の隠れノードに対して確率的に学習することを可能にした。効率的な変分推論に基づく訓練アルゴリズムを,BNN,GPNNおよびGPLSTMシステムに対して導出した。実験は,スイッチボードIデータの75時間サブセットで訓練したLVCSRシステムで行った。最良のBNNとGPNNシステムは,固定形式の活性化を用いて構築されたベースラインDNNシステムと,フレームレベル結合復号化を介したそれらの組合せを,単語誤り率の1%絶対値により実行した。Copyright 2019 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： *神経回路網 ,  *Gauss過程 ,  復号化 ,  モデリング ,  絶対値 ,  学習アルゴリズム ,  部分集合 ,  誤り率 ,  単語 ,  基準線 ,  ニューラルネットワーク
準シソーラス用語： 変分推論 ,  音響モデル ,  訓練データ ,  *大語彙連続音声認識 , 【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)： 大語彙連続音声認識 ,  Gauss過程 ,  神経回路網