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):
資料名:
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る