Přejít k obsahu


N-gram language Models in JLASER Neural Network Speech Recognizer

Citace: [] KONOPÍK, M., HABERNAL, I., BRYCHCÍN, T. N-gram language Models in JLASER Neural Network Speech Recognizer. In Applied Electronics. Plzeň: Západočeská univerzita, 2010. s. 167-170. ISBN: 978-80-7043-865-7
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: N-gram language Models in JLASER Neural Network Speech Recognizer
Rok vydání: 2010
Místo konání: Plzeň
Název zdroje: Západočeská univerzita
Autoři: Ing. Miloslav Konopík , Ing. Ivan Habernal , Bc. Tomáš Brychcín
Abstrakt CZ: V našem výzkumu jsme odhalili, že neuronové sítě mohou být při rozpoznávání řeči efektivnější, než standardní Gausovské mixtury. Toto tvrzení je sice platné pouze pro malé korpusy, avšak mnoho aplikací nevyžaduje pro rozpoznávání velké slovníky. V tomto článku popisujeme náš rozpoznávač řeči, zvaný JLASER, který je založený na neuronových sítích. Také zde ukazujeme efekt použití N-gramových jazykových modelů do systému JLASER.
Abstrakt EN: In our recent research we have discovered that neural networks can be more efficient in pseech reognition than the state of the art approach based on Gaussian mixtures. This statement is valid only for small corpora, however, many applications do not require a huge recognition vocabulary. In this article we describe our speech reognizer - called JLASER - based on neural networks. We also show the effect of n-gram language models applied to the JLASER recognizer.
Klíčová slova

Zpět

Patička