文献

J-GLOBAL ID：201902265259908155   整理番号：19A1488778

生音声からの構音障害を検出するための学習【JST・京大機械翻訳】

Learning to Detect Dysarthria from Raw Speech

著者 (2件)： Millet Juliette (CoML, ENS/CNRS/EHESS/INRIA/PSL Research University, Paris, France) ,  Zeghidour Neil (CoML, ENS/CNRS/EHESS/INRIA/PSL Research University, Paris, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 5831-5835  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： 手でのタスクに対する関連情報を選択することにより,パラリンガル特性の音声分類器は,伝統的に多様な手craの低レベル特徴から学習する。分類器と特徴抽出を共同で学習することにより,この選択の代替案を探索した。音声認識に関する最近の研究は,波形から学習することにより,音声特徴に対する性能の改善を示している。著者らは,このアプローチを部分言語学的分類に拡張し,フィルタバンク,正規化因子,および生の音声からの圧縮力を学習することができるニューラルネットワークを,アーキテクチャの残りと一緒に提案する。このモデルを,センテンレベル音声記録からの構音障害検出に適用した。メルフィルタバンクが標準的な低レベル記述子より優れている強い注意ベースのベースラインから出発して,フィルタまたは正規化と圧縮を学習することが,固定された特徴を10%絶対精度で改善することを示した。また,特徴抽出,正規化,およびアーキテクチャによる圧縮因子を共同的に学習することにより,OpenSmile特徴上の利得を観測した。これは,音声分類タスクのために生の音声からこれらすべての操作を共同で学習する最初の試みを構成する。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： 特徴抽出 ,  正規化 ,  計算機アーキテクチャ ,  フィルタバンク ,  *構音障害 ,  基準線 ,  利得 ,  言語学 ,  フィルタ ,  音声認識 ,  ニューラルネットワーク
準シソーラス用語： 音声記録 ,  音声特徴 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 音声 ,  構音障害 ,  学習