· 2015
Uzun Zamansal Bağlamların Verimli Modellenmesi İçin Zaman Gecikmeli Sinir Ağı Mimarisi
A time delay neural network architecture for efficient modeling of long temporal contexts
- 1.003atıf
- 2015yıl
Kısa özet
Önerilen yeni bir zaman gecikmeli sinir ağı (TDNN) mimarisi, standart ileri beslemeli DNN'lerle karşılaştırılabilir eğitim süreleriyle uzun zamansal bağımlılıkları modeller ve Switchboard görevinde %6'lık göreceli bir iyileşme sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Uzun zamansal bağımlılıkları modellemek için bir zaman gecikmeli sinir ağı (TDNN) mimarisi sunulmuştur.
- TDNN eğitim süreleri, yavaş tekrarlayan ağların aksine, ileri beslemeli DNN'lerle karşılaştırılabilir düzeydedir.
- Eğitim sırasında hesaplama maliyetini azaltmak için alt örnekleme kullanılır.
- Switchboard görevinde temel DNN'ye göre %6'lık göreceli bir iyileşme elde edilmiştir.
- 3 ila 1800 saat arasında değişen verilerle LVCSR görevlerinde etkinliği gösterilmiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Recurrent neural network architectures have been shown to efficiently model long term temporal dependencies between acoustic events. However the training time of recurrent networks is higher than feedforward networks due to the sequential nature of the learning algorithm. In this paper we propose a time delay neural network architecture which models long term temporal dependencies with training times comparable to standard feed-forward DNNs. The network uses sub-sampling to reduce computation during training. On the Switchboard task we show a relative improvement of 6% over the baseline DNN model. We present results on several LVCSR tasks with training data ranging from 3 to 1800 hours to show the effectiveness of the TDNN architecture in learning wider temporal dependencies in both small and large data scenarios.
Yazarların özeti; kaynağından alınmıştır., 2015 · 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