文献

J-GLOBAL ID：202002245446223675   整理番号：20A1100822

人工神経回路網とSVMに基づく音声障害分類【JST・京大機械翻訳】

Artificial Neural Network and SVM based Voice Disorder Classification

著者 (4件)： Tulics Miklos Gabriel (Budapest University of Technology and Economics,Budapest,Hungary) ,  Szaszak Gyorgy (Budapest University of Technology and Economics,Budapest,Hungary) ,  Meszaros Krisztina (National Institute of Oncology,Budapest,Hungary) ,  Vicsi Klara (Budapest University of Technology and Economics,Budapest,Hungary)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CogInfoCom  ページ： 307-312  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： 認知情報伝達において,最も重要であるが,研究の困難な領域は音声障害の分析と分類である。本論文では,様々な入力ベクトルと分類モデルを調べ,比較し,不規則音声から健康な分離のための入力ベクトルの使用を見出した。音響パラメータを音声認識システムのDNNソフトマックス層により計算された音素レベル事後確率を持つ入力ベクトルと比較した。異なる分類法を用いて成人の健康な音声から音声障害を分離する試みを行った。分類は,サポートベクトルマシン(SVM)と逐次深さニューラルネットワーク(DNN)を用いて実行した。著者らの結果は,入力特徴が分類の精度を増加させるので,音響パラメータを入力特徴として使用することにより,さらに,DNNアプローチは,leave-one-out交差検証(LOOCV)の場合と70-30%のデータ分割法の場合にSVM分類器より性能が優れていることを示した。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： ベクトル ,  *ニューラルネットワーク ,  音素 ,  事後確率 ,  分割法 ,  サポートベクトルマシン
準シソーラス用語： 分類法 ,  音声認識システム ,  音声障害 ,  音響パラメータ ,  分類モデル ,  SVM分類 , 【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 (4件)： 人工神経回路網 ,  SVM ,  音声障害 ,  分類