Využití prostoro-časové struktury příznakových vektorů pro adaptaci neuronových sítí

Ing. Jan TRMAL

Doctoral thesis

Spatio-temporal structure of feature vectors in neural network adaptation

Abstract:

This doctoral thesis aims at research in the field of the neural networks adaptation and in the field of speaker adaptive training, with special attention to the application of both in the field of automatic speech recognition. Both these technologies, i.e. the adaptation and the speaker adaptive training are often used in the area of speech recognition in the context of the GMM/HMM modeling framework. In that context, they pose one possible approach to improving recognition accuracy, often at a cost of an insignificant increase of computational complexity. The crucial assumptions of both these techniques, i.e. of the speaker adaptation and of the speaker adaptive training, are realistic and can be ensured relatively easily. Therefore, it is desirable to have similar techniques developed even for hybrid (i.e. non-GMM/HMM) speech recognition systems. The goal of this thesis was to develop such method and to experimentally evaluate its influence on the accuracy of the speech recognition system.

Abstract:

Tato práce se zabývá metodikou adaptace neuronových sítí a na řečníku adaptivním trénováním neuronových sítí pro systémy automatického rozpoznávání řeči. Obě tyto technologie, tedy jak adaptace, tak na řečníku adaptivní trénování jsou v oboru rozpoznávání řeči často využívány v rámci GMM/HMM modelovacího frameworku. Zde představují jednu z dalších přístupů k zlepšování přesnosti rozpoznávání, často za cenu pouze zanedbatelného navýšení výpočetních nároků. Zásadní předpoklad těchto dvou technik, tedy znalost identity řečníka jak během trénování, tak i během rozpoznávání je poměrně realistický a poměrně snadno zajistitelný. Je tedy žádoucí, aby byly vyvinuty ekvivalentní techniky i pro hybridní systémy rozpoznávání řeči. Cílem této práce je vyvinout a otestovat metodu adaptace a metodu na řečníku adaptivního tréningu a experimentálně ohodnotit její vliv na přesnost rozpoznávače.

Keywords

akustické modelování, neuronové sítě, adaptace, rozpoznávání řeči, na řečníku adaptivní trénování

Language used: English

Date on which the thesis was submitted / produced: 24. 4. 2012

Accessible from:: 24. 4. 2012

Thesis defence

University of West Bohemia

Faculty of Applied Sciences

Doctoral programme / field:
Applied Sciences and Computer Engineering / Cybernetics