関係思考に基づく音声認識のための深層グラフランダムプロセス【JST・京大機械翻訳】

Huang Hengguan; Xue Fuzhao; Wang Hao; Wang Ye

プレプリント

J-GLOBAL ID：202202202638168436 整理番号：22P0167248

関係思考に基づく音声認識のための深層グラフランダムプロセス【JST・京大機械翻訳】

Deep Graph Random Process for Relational-Thinking-Based Speech Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年07月04日プレプリントサーバーでの情報更新日： 2020年07月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

人間知能のコアで,関係思考は,新しい感覚信号と事前知識間の関係に関連する,まず,無意識の知覚的知覚に頼ることで特徴付けられ,その結果,これらの知覚のカップリングと変換を通して認識可能な概念または物体になる。このような精神プロセスは,会話自動音声認識(ASR)のような実世界問題においてモデル化するのが困難であり,知覚(発話間の関連性を示すグラフとしてモデル化される)は,不可であり,直接観察できないと想定されている。本論文では,パーセプトを表現する確率的グラフの無限数を生成することができる深いグラフランダムプロセス(DGP)と呼ばれるBayesノンパラメトリック深層学習法を提案した。さらに,音響モデリングのためのこれらのパーセプトグラフの結合と変換のための閉形式解を提供した。本手法は,訓練中にいかなる関係データも使用せずに発話間の関係を推論できる。CHiME-2とCHiME-5を含むASRタスクに関する実験的評価は,著者らの方法の有効性と利点を実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識

, , , ,

前のページに戻る