Robust statistic estimates for adaptation in the task of speech recognition

Zajíc, Zbyněk; Machlica, Lukáš; Müller, Luděk

Full metadata record

DC pole	Hodnota	Jazyk
dc.contributor.author	Zajíc, Zbyněk
dc.contributor.author	Machlica, Lukáš
dc.contributor.author	Müller, Luděk
dc.date.accessioned	2015-12-10T12:11:08Z	-
dc.date.available	2015-12-10T12:11:08Z	-
dc.date.issued	2010
dc.identifier.citation	ZAJÍC, Zbyněk; MACHLICA, Lukáš; MÜLLER, Ludě›k. Robust statistic estimates for adaptation in the task of speech recognition. In: Lecture notes in computer science. Berlin: Springer, 6231/2010, p. 464-471. ISSN 0302-9743	en
dc.identifier.issn	0302-9743
dc.identifier.uri	http://www.kky.zcu.cz/cs/publications/ZbynekZajic_2010_RobustStatistic
dc.identifier.uri	http://hdl.handle.net/11025/16953
dc.description.abstract	Tento článek se zabývá robustním odvozením statistik pro úlohu adaptace akustického modelu. Statistiky jsou akumulovány před vlastním procesem adaptace z dostupných adaptačních dat. Obecně se předpokládá malé množství těchto dat, která jsou často znehodnocena šumem, různým kanálem atd., proto jsme navrhli techniku, která má za úkol robustní odhat adaptace z takovýchto dat. Jednou z často užívaných metod je inicializace adaptačních tranformací. Druhá, námi navržená metoda spočívá v akumulování pouze vhodně rozpoznaných dat (statistik). Zameřili jsme se na metodu fMLLR, na které jsme provedli experimenty.	cs
dc.format	8 s.	cs
dc.format.mimetype	application/pdf
dc.language.iso	en	en
dc.publisher	Springer	cs
dc.rights	© Zbyněk Zajíc - LukášMachlica - Luděk Müller	cs
dc.subject	fMLLR	cs
dc.subject	adaptace	cs
dc.subject	rozpoznávání řeči	cs
dc.subject	robustnost	cs
dc.title	Robust statistic estimates for adaptation in the task of speech recognition	en
dc.title.alternative	Robustní odhad statistik pro adaptaci v úloze rozpoznávání řeči	cs
dc.type	článek	cs
dc.type	article	en
dc.rights.access	openAccess	en
dc.type.version	publishedVersion	en
dc.description.abstract-translated	This paper deals with robust estimations of data statistics used for the adaptation. The statistics are accumulated before the adaptation process from available adaptation data. In general, only small amount of adaptation data is assumed. These data are often corrupted by noise, channel, they do not contain only clean speech. Also, when training Hidden Markov Models (HMM) several assumptions are made that could not have been fulfilled in the praxis, etc. Therefore, we described several techniques that aim to make the adaptation as robust as possible in order to increase the accuracy of the adapted system. One of the methods consists in initialization of the adaptation statistics in order to prevent ill-conditioned transformation matrices. Another problem arises when an acoustic feature is assigned to an improper HMM state even if the reference transcription is available. Such situations can occur because of the forced alignment process used to align frames to states. Thus, it is quite handy to accumulate data statistic utilizing only reliable frames (in the sense of data likelihood). We are focusing on Maximum Likelihood Linear Transformations and the experiments were performed utilizing the feature Maximum Likelihood Linear Regression (fMLLR). Experiments are aimed to describe the behavior of the system extended by proposed methods.	en
dc.subject.translated	fMLLR	en
dc.subject.translated	adaptation	en
dc.subject.translated	speech recognition	en
dc.subject.translated	robustness	en
dc.type.status	Peer-reviewed	en
Vyskytuje se v kolekcích:	Články / Articles (KKY) Články / Articles (NTIS)

Soubory připojené k záznamu:

Soubor	Popis	Velikost	Formát
ZbynekZajic_2010_RobustStatistic.pdf	Plný text	166,99 kB	Adobe PDF	Zobrazit/otevřít

Zobrazit minimální záznam Zobrazit statistiky

Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/16953

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání

navigace