Detail publikace

Semi-Supervised Bootstrapping Approach For Neural Network Feature Extractor Training

GRÉZL František a KARAFIÁT Martin. Semi-Supervised Bootstrapping Approach For Neural Network Feature Extractor Training. In: Proceedings of ASRU 2013. Olomouc: IEEE Signal Processing Society, 2013, s. 470-475. ISBN 978-1-4799-2755-5.
Název česky
Částečně dohlížená bootstrapová metoda pro trénování neuronových sítí pro extrakci příznaků
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
URL
Abstrakt

Tento článek prezentuje bootstrapingovou metodu pro trénování neuronových sítí s úzkým hrdlem používané pro generování příznaků pro následující GMM-HMM rozpoznávač. Tento rozpoznávač může být použit k automatickému přepisu původně nepřepsaných dat a k určení důvěryhodnosti tohoto přepisu. Dle této důvěryhodnosti jsou vybrány segmenty a smíchány s původními anotovanými daty, na kterých jsou natrénovány nové neuronové sítě. Automatický přepis umožňuje snížit ztrátu oproti plně anotovaným datům o 40-55%. To představuje snížení chybovosti původního systému o 3-5%. Tohoto výsledku se dosahuje při použití 70-85% automaticky přepsaných dat. Zahození zbytku dat zabráníme použitím nekvalitních přepisů pro trénování.

Rok
2013
Strany
470-475
Sborník
Proceedings of ASRU 2013
Konference
IEEE 2013 Workshop on Automatic Speech Recognition and Understanding, Olomouc, CZ
ISBN
978-1-4799-2755-5
Vydavatel
IEEE Signal Processing Society
Místo
Olomouc, CZ
BibTeX
@INPROCEEDINGS{FITPUB10469,
   author = "Franti\v{s}ek Gr\'{e}zl and Martin Karafi\'{a}t",
   title = "Semi-Supervised Bootstrapping Approach For Neural Network Feature Extractor Training",
   pages = "470--475",
   booktitle = "Proceedings of ASRU 2013",
   year = 2013,
   location = "Olomouc, CZ",
   publisher = "IEEE Signal Processing Society",
   ISBN = "978-1-4799-2755-5",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/10469"
}
Nahoru