-
Diskriminativno določanje parametrov prikritih modelov Markova za razpoznavanje tekočega govora : doktorska disertacijaKaiser, JanezNaloga zadeva avtomatsko razpoznavanje tekočega govora. Predstavili smo osnovne probleme pri učenju prikritih modelv Markova, ki se uporabljajo pri razpoznavanju tekočega govora in predlagali ... izboljšavo običajnega postopka učenja modelov. Jedro naloge predstavlja raziskovanje metod za izboljšanje učenja prikritih modelov Markova. Osnovni cilj pri učenju prikritih modelov Markova je doseči čim večjo uspešnost razpoznavanja pri njihovi uporabi. Pri učenju optimiramo izbrani kriterij. Problem izbire najustreznejšega kriterija, ki bi rezultiral v največji možni uspešnosti razpoznavanja, do sedaj še ni bil zadovoljivo rešen. V svetu se najpogosteje uporablja kriterij največje verjetnosti, ki pa pri učenju prikritih modelov Marka ne rezultira vedno v optimalnih modelih. V nalogi smo definirali novo obliko kriterija za učenje prikritih modelov Markova. Kriterij je zasnovan na izračunu celotnega tveganja pri razpoznavanju zaporedij besed v učni fazi. Definirana nova oblika kriterija je izpeljana z uporabo nove funkcije izgube pri razpoznavanju, ki je posebej namenjena za uporabo pri razpoznavanju tekočega govora. Nova funkcija izgube meri število napačno razpoznanih besed in je tako v tesni povezavi s točnostjo razpoznavanja besed, ki je najpogosteje uporabjana mera za ocenjevanje uspešnosti razpoznavanja. Z minimizacijo kriterija celotnega tveganja na učni bazi lahko pričakujemo povečanje točnosti razpoznavanja besed. Na podlagi definirane nove oblike kriterija smo izpeljali enačbe za določanje novih vrednosti parametrov prikritih modelov Markova. Izpeljava je izvedena z uporabo razširjenega Baum-Welchovega algoritma. Algoritem je bil direktno uporabljen za izpeljavo enčb za diskretne parametre. Za izpeljavo enačb za zvezne parametre (srednje vrednosti in variance Gaussovih porazdelitvenih funkcij) smo uporabili Normandinovo aproksimacijo razširjenega Baum-Welchovega algoritma. Učinkovitost definirane metode za učenje prikritih modelov Markova smo preizkusili na štirih nalogah razpoznavanja tekočega oziroma vezanega govora. Eksperimente lahko razdelimo na dve skupini: eksperimente na studijskih bazah in eksperimente na telefonskih bazah. Na studijskih bazah smo opravili naslednje eksperimente: razpoznavanje fonemov v bazi TIMIT, nalogo Resource management in razpoznavanje zaporedij številk v bazi TIDIGITS. Pri vseh treh eksperimentih smo pokazali, da so definirane enačbe za določanje novih vrednosti parametrov prikritih modelov Markova primerne za minimizacijo kriterija celotnega tveganja. Eksperimenti so pokazali, da obstaja močna povezanost med vrednostjo definiranega kriterija celotnega tveganja na učni bazi in uspešnostjo razpoznavanja na testni bazi. Rezultati eksperimentov kažejo, da modeli, učeni s kriterijem celotnega tveganja, dajejo večjo uspešnost razpozavanja na testni bazi. modeli, učeni z uveljavljenim kriterijem največje verjetnosti. Tako smo dosegli do 17.3% zmanjšanja napake razpoznavanja fonemov na bazi TIMIT, do 30,6 % zmanjšanja napake razpoznavanja besed na nalogi Resource management in do 42,86% zmanjšanja napake razpoznavanja števk na bazi TIDIGITS. Opravili smo tudi eksperimente na slovenski telefonski bazi SpeechDat(II). Tudi tu smo za preproste modele dosegli podobne rezultate kot pri studijskih bazah. Pri kompleksnejših modelih pa nismo uspeli doseči zmanjšanja vrednosti kriterija celotnega tveganja in s tem izboljšanja uspešnosti razpoznavanja. Po našem mnenju je vzrok temu predvsem uporaba modelov za smeti, ki smo jih uporabili za dosego večje uspešnosti razpoznavanja.Type of material - dissertation ; adult, seriousPublication and manufacture - Maribor : [J. Kaiser], 2000Language - slovenianCOBISS.SI-ID - 111441664
Author
Kaiser, Janez
Other authors
Horvat, Bogomir, 1936-
Topics
avtomatsko razpoznavanje govora |
stohastično modeliranje |
semantični modeli |
generiranje govora |
prikriti modeli Markova |
diskrtiminativno učenje |
kriterij celotnega tveganja |
razširjeni Baum Welchov algoritem |
automatic speech recognition |
stochastic modeling |
semantic models |
speech generation |
hidden Markov models |
discriminative training |
overall risk criterion |
extended Baum Welch algorithm
![loading ... loading ...](themes/default/img/ajax-loading.gif)
Library/institution |
City | Acronym | For loan | Other holdings |
---|---|---|---|---|
Central Technological Library of the University of Ljubljana | Ljubljana | CTK |
outside loan 1 cop.
|
|
Library of Technical Faculties, Maribor | Maribor | KTFMB |
reading room 1 cop.
|
|
National and University Library, Ljubljana | Ljubljana | NUK |
reading room 1 cop.
|
|
University of Maribor Library | Maribor | UKM |
reading room 1 cop.
|
![loading ... loading ...](themes/default/img/ajax-loading.gif)
![loading ... loading ...](themes/default/img/ajax-loading.gif)
![loading ... loading ...](themes/default/img/ajax-loading.gif)
Shelf entry
Permalink
- URL:
Impact factor
Access to the JCR database is permitted only to users from Slovenia. Your current IP address is not on the list of IP addresses with access permission, and authentication with the relevant AAI accout is required.
Year | Impact factor | Edition | Category | Classification | ||||
---|---|---|---|---|---|---|---|---|
JCR | SNIP | JCR | SNIP | JCR | SNIP | JCR | SNIP |
Select the library membership card:
DRS, in which the journal is indexed
Database name | Field | Year |
---|
Links to authors' personal bibliographies | Links to information on researchers in the SICRIS system |
---|---|
Kaiser, Janez | 17877 |
Horvat, Bogomir, 1936- | 03015 |
Select pickup location:
Material pickup by post
Notification
Subject headings in COBISS General List of Subject Headings
Select pickup location
Pickup location | Material status | Reservation |
---|
Please wait a moment.