Detail publikace
Sequence Summarizing Neural Networks for Spoken Language Recognition
Sequence Summarizing Neural Network, DNN,i-vectors
Tento článek zkoumá použití Sequence Summarizing NeuralSítě (SSNN) jako varianta hlubokých neuronových sítí(DNN) pro klasifikaci sekvencí. V této práci je aplikovának rozpoznávání mluveného jazyka. Na rozdíl od jiné klasifikaceúkoly při zpracování řeči tam, kde to DNN potřebujeprodukují výstup na snímek, jazyk je považován za konstantníběhem promluvy. Zavádíme souhrnnou komponentudo struktury DNN produkující jednu sadu jazykových posteriorůza promluvu. Výcvik DNN provádívhodně upravený algoritmus přechodu a sestupu. V našempočáteční experimenty jsou výsledky SSNN porovnány s jedinýmnejmodernější základní systém založený na i-vektorech s podobnýmsložitost (tj. žádná fúze systému atd.). Za určitých podmínekSSNN jsou schopny poskytovat výkon srovnatelný se základní úrovníSystém. Relativního zlepšení až o 30% se dosáhne sfúze úrovně skóre základní linie a systémů SSNN.
@inproceedings{BUT131019,
author="Jan {Pešán} and Lukáš {Burget} and Jan {Černocký}",
title="Sequence Summarizing Neural Networks for Spoken Language Recognition",
booktitle="Proceedings of Interspeech 2016",
year="2016",
pages="3285--3289",
publisher="International Speech Communication Association",
address="San Francisco",
doi="10.21437/Interspeech.2016-764",
isbn="978-1-5108-3313-5",
url="https://www.researchgate.net/publication/307889421_Sequence_Summarizing_Neural_Networks_for_Spoken_Language_Recognition"
}