Bottleneck ANN: dealing with small amount of data in shift-MLLR adaptation

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

—

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.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

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

Rok uplatnění

2012

Kód důvěrnosti údajů

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

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

—