識別誤り最小化を用いた少量データのための効果的なHMM学習法
スポンサーリンク
概要
- 論文の詳細を見る
適応化などへの応用として重要である少量データを用いた学習に対して,識別誤り最小化(MCE)学習法を効果的に用いた,より高精度な音響モデルの学習法について述べる。これまでほとんど知られていなかった少量データ学習に対するMCE法の効果及び問題点を実験結果に基づいて考察すると共に, MCE法と学習規準の異なる他の学習法とを組み合わせて,より高精度な音響モデルの学習を試みる。比較実験を通して,高速な話者適応化方式として提案されているMAP/VFS法とMCE法とを組み合わせた学習法が,音響モデルの高性能化に最も適しており,話者適応化の問題において,50単語の適応学習データで,47%(MAP/VFS法で43%, MCE法で4%)の音素誤認識が低減できることを示す。
- 社団法人電子情報通信学会の論文
- 1995-12-15
著者
-
嵯峨山 茂樹
NTTヒューマンインタフェース研究所
-
高橋 淳一
NTTヒューマンインタフェース研究所
-
高橋 淳一
Ntt ヒューマンインタフェース研究所
-
嵯峨山 茂樹
Nttヒューマンインタフェース研究所:(現)北陸先端科学技術大学院大学
関連論文
- 教師なし話者適応のための教師信号選択の高精度化
- バッチディクテーションのための教師なし話者適応
- バッチディクテーションのための繰り返し教師なし話者適応
- 音素認識と係り受け解析による文音声の認識 (音声音響情報処理の研究・開発)
- 自由発話音声における音響的な特徴の検討
- 音声・音響用DSPの現状
- 電話サービスを想定した話者照合
- 自動音声認識の現状と臨床応用の将来性
- 雑音の統計的分布を用いた音声区間検出
- HMMを用いた音響演奏の楽譜追跡による弾き直しに追従可能な自動伴奏