Convolutional Neural Network for Refinement of Speaker Adaptation Transformation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F14%3A43922932" target="_blank" >RIV/49777513:23520/14:43922932 - isvavai.cz</a>

Výsledek na webu

<a href="http://download.springer.com/static/pdf/914/chp%253A10.1007%252F978-3-319-11581-8_20.pdf?auth66=1413288171_5b620d005701573765a4641007670c58&ext=.pdf" target="_blank" >http://download.springer.com/static/pdf/914/chp%253A10.1007%252F978-3-319-11581-8_20.pdf?auth66=1413288171_5b620d005701573765a4641007670c58&ext=.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-11581-8_20" target="_blank" >10.1007/978-3-319-11581-8_20</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Convolutional Neural Network for Refinement of Speaker Adaptation Transformation

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 Artificial Neural Network (ANN), especially Convolutional Neural Network (CNN) with bottleneck layer on the end. The badly estimated shift-MLLR transformation ispropagated through an 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

Convolutional Neural Network for Refinement of Speaker Adaptation Transformation

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 Artificial Neural Network (ANN), especially Convolutional Neural Network (CNN) with bottleneck layer on the end. The badly estimated shift-MLLR transformation ispropagated through an 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/DF12P01OVV022" target="_blank" >DF12P01OVV022: Zpřístupnění rozsáhlého video archivu kulturního dědictví pomocí metod automatického rozpoznávání mluvené řeči a strojového překladu. (AMALACH)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Speech and Computer, 16th International Conference, SPECOM 2014, Novi Sad, Serbia, October 5-9, 2014, Proceedings

ISBN

978-3-319-11580-1

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

161-168

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

Novi Sad, Serbia

Datum konání akce

5. 10. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—