文献

J-GLOBAL ID：202002217994123900   整理番号：20A0904503

ASRにおけるアクティブ学習のためのドロップアウトに基づく単一モデル委員会アプローチ【JST・京大機械翻訳】

A Dropout-Based Single Model Committee Approach for Active Learning in ASR

著者 (2件)： Fu Jiayi (Shenzhen Zhuiyi Technology Co., Ltd.,Shenzhen,China) ,  Ru Kuang (Shenzhen Zhuiyi Technology Co., Ltd.,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ASRU  ページ： 16-22  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： 本論文では,自動音声認識(ASR)におけるアクティブ学習(AL)のための新しい委員会ベースのアプローチを提案した。このアプローチは,最も有益なサンプルを選択することにより,より少ない転写でより低い認識単語誤り率(WER)を達成することができる。以前の委員会ベースのALアプローチとは異なり,このアプローチの委員会建設プロセスは,ドロップアウトによる一つの音響モデル(AM)のみを訓練する必要がある。1つのモデルだけが訓練される必要があるので,このアプローチはより簡単でより速い。同時に,AMは連続的に改善され,また,このアプローチはその改善に対してよりロバストであることも分かった。実験では,ランダムサンプリングと別の最先端の委員会ベースのアプローチ:不均一ニューラルネットワーク(HNN)に基づくアプローチとのアプローチを比較した。著者らは,WERにおける著者らのアプローチ,委員会を構築する時間,および1600時間の音声データによるマンダリンASRタスクにおけるモデル改善のロバスト性を調べた。結果は,それがランダムサンプリングと比較して2~3倍の相対的WER減少を達成して,それはHNベースの方式によって近いWERを達成するために75%の時間を使用するだけであることを示した。Copyright 2020 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： ニューラルネットワーク ,  誤り率 ,  無作為抽出 ,  *単語 ,  ロバスト性
準シソーラス用語： ドロップ ,  *能動学習 ,  自動音声認識 ,  マンダリン ,  音響モデル ,  音声データ , 【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 (5件)： ASR ,  アクティブ学習 ,  ドロップ ,  モデル ,  委員会