文献

J-GLOBAL ID：202002227460618465   整理番号：20A2148809

聴覚学習のための緊急深層発達モデル【JST・京大機械翻訳】

An emergent deep developmental model for auditory learning

著者 (3件)： Wang Dongshu (School of Electrical Engineering, Zhengzhou University, Zhengzhou, PR China) ,  Zhang Yadong (School of Electrical Engineering, Zhengzhou University, Zhengzhou, PR China) ,  Xin Jianbin (School of Electrical Engineering, Zhengzhou University, Zhengzhou, PR China)
資料名： Journal of Experimental & Theoretical Artificial Intelligence  (Journal of Experimental & Theoretical Artificial Intelligence)
巻： 32  号： 4  ページ： 665-684  発行年： 2020年 
JST資料番号： T0934A  ISSN： 0952-813X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ABSTRACT:機械の音声認識性能は,人工知能を用いて大いに改善された。しかし,人間の聴覚システムの優れた認識能力と比較して,機械は,まだ対処するいくつかの問題を持った。人間の聴覚系の既存の生理学的原理に基づき,本論文は新しい緊急聴覚モデルを提案した。このモデルは,深い発達ネットワーク(DDN)を有するヒト聴覚経路の各重要部分をシミュレートする。さらに,このモデルは,DDNの付加的層として,視床,すなわち,コンテキスト統合における上丘の関数をシミュレートする。メル周波数ケプストラム係数(MFCC)を用いて,DDNの入力である音声信号特徴を抽出した。本研究は,その運用経験からその緊急表現を開発するためのシステムを作る機構を強調するので,他の以前のモデルとは異なり,DDNの内部教師なしニューロンは,短いコンテキストを描写するために利用され,それらの間の競争は,そのような内部ニューロンが,外部世界によって監督されないとき,異なる音声コンテキストを示す方法の解釈を与える。実験結果は,英語語と語句の認識精度のための最先端の方法と比較して,提案したDNNの利点を示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音声認識 ,  *聴覚 ,  *学習 ,  ネットワーク ,  ニューロン ,  視床 ,  聴覚器 ,  ヒト ,  英語 ,  音声信号 ,  人工知能 ,  聴覚路
準シソーラス用語： MFCC ,  聴覚モデル ,  ケプストラム係数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 音声認識 ,  深層発達ネットワーク ,  聴覚モデル ,  メル周波数ケプストラム係数

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 聴覚 ,  学習 ,  深層 ,  発達 ,  モデル