文献

J-GLOBAL ID：202002244249095296   整理番号：20A0560004

多出力Densenetに基づくロバスト多チャンネルエンドツーエンド音声認識

Robust Multichannel End-to-End Speech Recognition Based on Multi-Output Densenet

著者 (2件)： ZHENG Chonghui (Tokyo Inst. of Technol., Tokyo, JPN) ,  SHINOZAKI Takahiro (Tokyo Inst. of Technol., Tokyo, JPN)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2020  号： SLP-131  ページ： Vol.2020-SLP-131,No.10,1-3 (WEB ONLY)  発行年： 2020年02月06日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

シソーラス用語： *チャネル ,  *エンドツーエンド方式 ,  *音声認識 ,  *通信方式 ,  *ニューラルネットワーク ,  *適応訓練 ,  *学習 ,  ビーム成形 ,  モデル ,  誤り率 ,  *ロバスト音声認識 ,  *訓練 ,  *MIMO ,  *教育訓練
準シソーラス用語： LSTM ,  *エンドツーエンド ,  *トレーニング ,  音響モデル ,  *多チャネル ,  *多入力多出力

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (10件)：

• Erdogan, Hakan, et al. ”Improved mvdr beamforming using single-channel mask prediction networks.” Interspeech. 2016.
• Heymann, Jahn, Lukas Drude, and Reinhold Haeb-Umbach. ”Neural network based spectral mask estimation for acoustic beamforming.”2016 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2016.
• Pfeifenberger, Lukas, Matthias Zöhrer, and Franz Pernkopf. ”DNN-based speech mask estimation for eigenvector beamforming.” 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2017.
• Ochiai, Tsubasa, et al. ”Unified architecture for multichannel end-to-end speech recognition with neural beamforming.” IEEE Journal of Selected Topics in Signal Processing 11.8 (2017): 1274-1288.
• Xiao, Xiong, et al. ”On time-frequency mask estimation for MVDR beamforming with application in robust speech recognition.” 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2017.

タイトルに関連する用語 (4件)： ロバスト ,  多チャンネル ,  エンドツーエンド ,  音声認識