Bottleneck ANN: dealing with small amount of data in shift-MLLR adaptation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F12%3A43915991" target="_blank" >RIV/49777513:23520/12:43915991 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Bottleneck ANN: dealing with small amount of data in shift-MLLR adaptation
Popis výsledku v původním jazyce
The aim of this work is to propose a refinement of the shift-MLLR (shift Maximum Likelihood Linear Regression) adaptation of an acoustics model in the case of limited amount of adaptation data, which can lead to ill-conditioned transformations matrices.We try to suppress the influence of badly estimated transformation parameters utilizing the bottleneck Artificial Neural Network (ANN). The ill-conditioned shift-MLLR transformation is propagated through a bottleneck ANN (suitably trained beforehand), and the output of the net is used as the new refined transformation. To train the ANN the well and the badly conditioned shift-MLLR transformations are used as outputs and inputs of ANN, respectively.
Název v anglickém jazyce
Bottleneck ANN: dealing with small amount of data in shift-MLLR adaptation
Popis výsledku anglicky
The aim of this work is to propose a refinement of the shift-MLLR (shift Maximum Likelihood Linear Regression) adaptation of an acoustics model in the case of limited amount of adaptation data, which can lead to ill-conditioned transformations matrices.We try to suppress the influence of badly estimated transformation parameters utilizing the bottleneck Artificial Neural Network (ANN). The ill-conditioned shift-MLLR transformation is propagated through a bottleneck ANN (suitably trained beforehand), and the output of the net is used as the new refined transformation. To train the ANN the well and the badly conditioned shift-MLLR transformations are used as outputs and inputs of ANN, respectively.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/TA01030476" target="_blank" >TA01030476: Inteligentní technologie pro zvýšení bezpečnosti letového provozu</a><br>
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings 2012 IEEE 11th International Conference on Signal Processing
ISBN
978-1-4673-2194-5
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
507-510
Název nakladatele
IEEE Press
Místo vydání
Beijing
Místo konání akce
Beijing
Datum konání akce
21. 10. 2012
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—