抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最先端の話者認識システムを大量の人間ラベル訓練データセットで訓練した。そのような訓練セットは,通常,モデルのモデリング能力を高めるために,様々なデータソースから構成されている。しかし,実際の展開では,不調な条件はほとんど避けられない。ドメイン不整合は,訓練とテストデータセットの間の統計的差異のために,実生活応用における一般的問題である。ドメイン不整合に起因する劣化を軽減するために,新しい特徴ベースの教師なしドメイン適応アルゴリズムを提案した。提案アルゴリズムは,よく知られたCORelation ALignment(CORAL)に基づく更なる最適化であり,CORAL++と呼ぶ。NIST 2019話者認識評価(SRE19)において,著者らは,CORAL++の有効性を確認するために,開発セットとしてSRE18CTSセットを使用した。典型的なx-ベクトル/PLDAセットアップにより,CORAL++は,EERに関して,CORALを,9.40%相対的に凌駕した。【JST・京大機械翻訳】