Simultaneously Trained NN-based Acoustic Model and NN-based Feature Extractor

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43926599" target="_blank" >RIV/49777513:23520/15:43926599 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-319-24033-6_27" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-319-24033-6_27</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-24033-6_27" target="_blank" >10.1007/978-3-319-24033-6_27</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Simultaneously Trained NN-based Acoustic Model and NN-based Feature Extractor

Popis výsledku v původním jazyce

This paper demonstrates how standard feature extraction methods such as PLP can be successfully replaced by a neural network and methods such as mean normalization, variance normalization and delta coefficients can be simultaneously utilized in a neural-network-based acoustic model. Our experiments show that this replacement is significantly beneficial. Moreover, in our experiments, also a neural-networkbased voice activity detector was employed and trained simultaneously with a neural-network-based feature extraction and a neural-networkbased acoustic model. The system performance was evaluated on the British English speech corpus WSJCAM0.

Název v anglickém jazyce

Simultaneously Trained NN-based Acoustic Model and NN-based Feature Extractor

Popis výsledku anglicky

This paper demonstrates how standard feature extraction methods such as PLP can be successfully replaced by a neural network and methods such as mean normalization, variance normalization and delta coefficients can be simultaneously utilized in a neural-network-based acoustic model. Our experiments show that this replacement is significantly beneficial. Moreover, in our experiments, also a neural-networkbased voice activity detector was employed and trained simultaneously with a neural-network-based feature extraction and a neural-networkbased acoustic model. The system performance was evaluated on the British English speech corpus WSJCAM0.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

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

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech, and Dialogue, 18th International Conference, TSD 2015, Pilsen, Czech Republic, September 14-17, 2015. Proceedings

ISBN

978-3-319-24032-9

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

9

Strana od-do

234-242

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Plzeň, Czech Republic

Datum konání akce

14. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000365947800027