Beszélőinvariáns akusztikus modellek létrehozása mély neuronhálók ellenséges multi-taszk tanításával

Tóth László; Gosztolya Gábor: Beszélőinvariáns akusztikus modellek létrehozása mély neuronhálók ellenséges multi-taszk tanításával.

Előnézet

Cikk, tanulmány, mű msznykonf_015_003-011.pdf Letöltés (467kB) | Előnézet

Absztrakt (kivonat)

Bár a mély neuronhálós technológia bevezetésével a beszédfelismerő rendszerek pontossága rengeteget javult, a környezeti tényezőkkel szembeni robusztusságuk növelése továbbra is az egyik legfontosabb kutatási terület. Cikkünkben egy nemrégiben javasolt eljárást, a neuronhálók ellenséges multi-taszk tanítását próbáltuk bevetni a beszélő személyére való érzékenység csökkentésére. Ehhez olyan tanító adatbázisra van szükség, ami a szöveges átirat mellett a beszélő személyére vonatkozó annotációt is tartalmaz. Bár a kiindulási alapként szolgáló cikkhez képest jóval több beszélővel, valamint teljesen kapcsolt neuronháló helyett konvolúciós hálóval dolgoztunk, ennek ellenére minden konfigurációban konzisztens 2-3% körüli relatív hibacsökkenést kaptunk. A módszert beszélőklaszterezéssel kiterjesztve arra az esetre is adunk egy megoldási javaslatot, amikor nem áll rendelkezésre beszélőannotáció. A kezdeti eredmények bíztatóak, ebben a felügyelet nélküli esetben is hibacsökkenést mértünk, habár a felügyelt esethez képest szerényebb mértékűt.

Mű típusa:	Konferencia vagy workshop anyag
Befoglaló folyóirat/kiadvány címe:	Magyar Számítógépes Nyelvészeti Konferencia
Dátum:	2019
Kötet:	15
ISBN:	978-963-315-393-2
Oldalak:	pp. 3-11
Konferencia neve:	Magyar Számítógépes Nyelvészeti Konferencia (15.) (2019) (Szeged)
Befoglaló mű URL:	http://acta.bibl.u-szeged.hu/58556/
Kulcsszavak:	Nyelvészet - számítógép alkalmazása
Megjegyzések:	Bibliogr.: p. 10-11. ; összefoglalás magyar nyelven
Feltöltés dátuma:	2019. júl. 03. 11:01
Utolsó módosítás:	2022. nov. 08. 11:49
URI:	http://acta.bibl.u-szeged.hu/id/eprint/59069

Bővebben:

Tétel nézet