· 2013
Derin Evrişimsel Sinir Ağları ile Büyük Kelime Sürekli Konuşma Tanıma
Deep convolutional neural networks for LVCSR
- 1.072atıf
- 2013yıl
Kısa özet
Derin evrişimsel sinir ağları (CNN'ler), büyük kelime sürekli konuşma tanıma (LVCSR) görevlerinde GMM'lere göre %13-30 ve DNN'lere göre %4-12 göreli iyileşme sağlamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- CNN'ler, konuşma sinyallerindeki spektral değişimleri azaltma ve spektral korelasyonları modelleme yetenekleri nedeniyle LVCSR için daha üstün bir model olarak önerilmektedir.
- Çalışma, LVCSR için optimum CNN mimarilerini araştırmaktadır; bu mimariler arasında evrişimsel katman sayısı, gizli birim sayısı, havuzlama stratejisi ve girdi özellikleri bulunmaktadır.
- CNN'ler, LVCSR görevlerinde GMM'lere kıyasla %13-30 göreli iyileşme göstermiştir.
- CNN'ler, LVCSR görevlerinde DNN'lere kıyasla %4-12 göreli iyileşme göstermiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Convolutional Neural Networks (CNNs) are an alternative type of neural network that can be used to reduce spectral variations and model spectral correlations which exist in signals. Since speech signals exhibit both of these properties, CNNs are a more effective model for speech compared to Deep Neural Networks (DNNs). In this paper, we explore applying CNNs to large vocabulary speech tasks. First, we determine the appropriate architecture to make CNNs effective compared to DNNs for LVCSR tasks. Specifically, we focus on how many convolutional layers are needed, what is the optimal number of hidden units, what is the best pooling strategy, and the best input feature type for CNNs. We then explore the behavior of neural network features extracted from CNNs on a variety of LVCSR tasks, comparing CNNs to DNNs and GMMs. We find that CNNs offer between a 13-30% relative improvement over GMMs, and a 4-12% relative improvement over DNNs, on a 400-hr Broadcast News and 300-hr Switchboard task.
Yazarların özeti; kaynağından alınmıştır., 2013 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science