Přejít k obsahu


A Comparison of Acoustic Models Based on Neural Networks and Gaussian Mixtures

Citace: [] PAVELKA, T., EKŠTEIN, K. A Comparison of Acoustic Models Based on Neural Networks and Gaussian Mixtures. In Text, Speech and Dialogue. Berlin: Springer, 2009. s. 291-298. ISBN: 978-3-642-04207-2
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: A Comparison of Acoustic Models Based on Neural Networks and Gaussian Mixtures
Rok vydání: 2009
Místo konání: Berlin
Název zdroje: Springer
Autoři: Ing. Tomáš Pavelka , Ing. Kamil Ekštein Ph.D.
Abstrakt CZ: Článek se pokouší porovnat výkony neuronové sítě a gaussovských mixtur v úloze akustického modelu. Jelikož poměr mezi rychlostí a přesností nezávisí pouze na akustickém modelu, ale i na parametrech dekodéru, navrhli jsme porovnání založené na shodném počtu aktivních sta vů během prohledávání dekodérem. Také jsou probrány míry statistické významnosti a je představena nová metoda výpočtu konfidenčních intervalů.
Abstrakt EN: This article tries to comapre the performance of neural network and Gaussian mixture acoustic modesl (GMMs). Since the speed-accuracy trade-off is not only dependent on the acoustic model itself, but also on the settings of decoder parameters, we have suggested a comparisonbased on egual number of active states during the decoding search. Statistical significance measures are also discussed and a new method for confidence interval computation is introduced.
Klíčová slova

Zpět

Patička