Detail publikace
Sequence Summarizing Neural Networks for Spoken Language Recognition
Burget Lukáš, doc. Ing., Ph.D. (UPGM FIT VUT)
Černocký Jan, prof. Dr. Ing. (UPGM FIT VUT)
Tento článek zkoumá použití Sequence Summarizing Neural Sítě (SSNN) jako varianta hlubokých neuronových sítí (DNN) pro klasifikaci sekvencí. V této práci je aplikována k rozpoznávání mluveného jazyka. Na rozdíl od jiné klasifikace úkoly při zpracování řeči tam, kde to DNN potřebuje produkují výstup na snímek, jazyk je považován za konstantní během promluvy. Zavádíme souhrnnou komponentu do struktury DNN produkující jednu sadu jazykových posteriorů za promluvu. Výcvik DNN provádí vhodně upravený algoritmus přechodu a sestupu. V našem počáteční experimenty jsou výsledky SSNN porovnány s jediným nejmodernější základní systém založený na i-vektorech s podobným složitost (tj. žádná fúze systému atd.). Za určitých podmínek SSNN jsou schopny poskytovat výkon srovnatelný se základní úrovní Systém. Relativního zlepšení až o 30% se dosáhne s fúze úrovně skóre základní linie a systémů SSNN.
@INPROCEEDINGS{FITPUB11273, author = "Jan Pe\v{s}\'{a}n and Luk\'{a}\v{s} Burget and Jan \v{C}ernock\'{y}", title = "Sequence Summarizing Neural Networks for Spoken Language Recognition", pages = "3285--3289", booktitle = "Proceedings of Interspeech 2016", year = 2016, location = "San Francisco, US", publisher = "International Speech Communication Association", ISBN = "978-1-5108-3313-5", doi = "10.21437/Interspeech.2016-764", language = "english", url = "https://www.fit.vut.cz/research/publication/11273" }