Doménová a jazyková přenositelnost akustických příznaků odhadovaných vícevrstvým perceptronem

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F06%3APU67273" target="_blank" >RIV/00216305:26230/06:PU67273 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Cross-domain and Cross-language Portability of Acoustic Features Estimated by Multilayer Perceptrons

Popis výsledku v původním jazyce

Recent results with phone-posterior acoustic features estimated by<br> multilayer perceptrons (MLPs) have shown that such features can<br> effectively improve the accuracy of state-of-the-art large vocabulary<br> speech recognition systems. MLP featuresare trained discriminatively<br> to perform phone classification and are therefore,<br> like acoustic models, tuned to a particular language and application<br> domain. In this paper we investigate how portable such features<br> are across domains and languages. We show that even without<br> retraining, English-trainedMLP features can provide a significant<br> boost to recognition accuracy in new domainswithin the same<br> language, as well as in entirely different languages such as Mandarin<br> and Arabic. We also show the effectiveness of feature-level<br> adaptation in porting MLP features to new domains.

Název v anglickém jazyce

Cross-domain and Cross-language Portability of Acoustic Features Estimated by Multilayer Perceptrons

Popis výsledku anglicky

Recent results with phone-posterior acoustic features estimated by<br> multilayer perceptrons (MLPs) have shown that such features can<br> effectively improve the accuracy of state-of-the-art large vocabulary<br> speech recognition systems. MLP featuresare trained discriminatively<br> to perform phone classification and are therefore,<br> like acoustic models, tuned to a particular language and application<br> domain. In this paper we investigate how portable such features<br> are across domains and languages. We show that even without<br> retraining, English-trainedMLP features can provide a significant<br> boost to recognition accuracy in new domainswithin the same<br> language, as well as in entirely different languages such as Mandarin<br> and Arabic. We also show the effectiveness of feature-level<br> adaptation in porting MLP features to new domains.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2006

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of ICASSP 2006

ISBN

1-4244-0469-X

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

321-324

Název nakladatele

NEUVEDEN

Místo vydání

Toulouse

Místo konání akce

Toulouse,Francie

Datum konání akce

14. 5. 2006

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—