Robust Neural Network-Based Estimation of Articulatory Features for Czech
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F14%3A00221424" target="_blank" >RIV/68407700:21230/14:00221424 - isvavai.cz</a>
Výsledek na webu
<a href="http://nnw.cz/obsahy14.html#5-2014" target="_blank" >http://nnw.cz/obsahy14.html#5-2014</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.14311/NNW.2014.24.027" target="_blank" >10.14311/NNW.2014.24.027</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Robust Neural Network-Based Estimation of Articulatory Features for Czech
Popis výsledku v původním jazyce
The article describes a neural network-based articulatory feature (AF) estimation for the Czech speech. First, the relationship between AFs and a Czech phone inventory is defined, and then the estimation based on the MLP neural networks is done. The usage of several speech representations on the input of the MLP classifiers is proposed with the purpose to obtain a robust AF estimation. The realized experiments have proved that an ANN- based AF estimation works very reliably especially in a low noise environment. Moreover, in case the number of neurons in a hidden layer is increased and if the temporal context DCT-TRAP features are used on the input of the MLP network, the AF classification works accurately also for the signals collected in the environments with a high background noise.
Název v anglickém jazyce
Robust Neural Network-Based Estimation of Articulatory Features for Czech
Popis výsledku anglicky
The article describes a neural network-based articulatory feature (AF) estimation for the Czech speech. First, the relationship between AFs and a Czech phone inventory is defined, and then the estimation based on the MLP neural networks is done. The usage of several speech representations on the input of the MLP classifiers is proposed with the purpose to obtain a robust AF estimation. The realized experiments have proved that an ANN- based AF estimation works very reliably especially in a low noise environment. Moreover, in case the number of neurons in a hidden layer is increased and if the temporal context DCT-TRAP features are used on the input of the MLP network, the AF classification works accurately also for the signals collected in the environments with a high background noise.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JA - Elektronika a optoelektronika, elektrotechnika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Network World
ISSN
1210-0552
e-ISSN
—
Svazek periodika
24
Číslo periodika v rámci svazku
5
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
16
Strana od-do
463-478
Kód UT WoS článku
000344832300003
EID výsledku v databázi Scopus
—