Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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