| Název: | Discriminative adaptation based on fast combination of DMAP and DfMLLR |
| Další názvy: | Diskriminativní adaptace založena na rychlé kombinaci metod DMAP a DfMLLR |
| Autoři: | Machlica, Lukáš Zajíc, Zbyněk Müller, Luděk |
| Citace zdrojového dokumentu: | MACHLICA, Lukáš; ZAJÍC, Zbyněk; MÜLLER, Luděk. Discriminative adaptation based on fast combination of DMAP and DfMLLR. In: Proceedings of ICSPL 2010: 11th Annual Conference of the International Speech Communication Association 2010, 26-30 September 2010, Makuhari, Chiba, Japan. [Baixas]: ISCA, 2010, p. 534-537. ISSN 1990-9772. |
| Datum vydání: | 2010 |
| Nakladatel: | ISCA |
| Typ dokumentu: | článek article |
| URI: | http://www.kky.zcu.cz/cs/publications/LukasMachlica_2010_Discriminative http://hdl.handle.net/11025/17043 |
| ISSN: | 1990-9772 |
| Klíčová slova: | MAP;fMLLR;DMAP;DfMLLR;MMI;adaptace;rozpoznávání řeči |
| Klíčová slova v dalším jazyce: | MAP;fMLLR;DMAP;DfMLLR;MMI;adaptation;speech recognition |
| Abstrakt: | Tato práce se zabývá kombinací diskriminativních metod adaptace, tedy diskriminativní metody maximální aposteriorní pravděpodobnosti (DMAP) a diskriminativní verze lineárních transformací vektorů příznaků (DfMLLR). Protože obě metody vyžadují rozdílné množství adaptačních dat, nabízí se je navzájem zkombinovat pro získání větší robustnosti systému. Obecně lze obě metody provést následně za sebou v pořadí DMAP, DfMLLR. To však vede k nutnosti přístupovat k datům dvakrát . Využijeme-li vlastnosti obou metod, že adaptaci počítají na základě stejných statistik a že metodou DfMLLR je možné tyto statistiky přímo transformovat do nového akustického prostoru, lze provést obě adaptace pouze s jedním přístupem k datům. Tím se znatelně zkrátí čas adaptace. V článku jsou uvedeny výsledky adaptačních metod a jejich kombinací. |
| Abstrakt v dalším jazyce: | This paper investigates the combination of discriminative adaptation techniques. The discriminative Maximum A-Posteriori (DMAP) adaptation and discriminative feature Maximum Likelihood Linear Regression (DfMLLR) are examined. Since each of the methods is proposed for distinct amount of adaptation data it is useful to combine them in order to preserve the systems performance in situations with varying amount of adaptation data. Generally, DfMLLR and DMAP are executed subsequently (DMAP preceded by DfMLLR) demanding to approach the data twice. Since both methods address the data through the same statistics an one-pass-combination was proposed in order to decrease the time consumption. The one-pass-combination utilizes the advantage of DfMLLR method to transform directly the feature vectors. However, instead of feature vectors the statistics are transformed, what allows to use already computed statistics for the DMAP pass without the need to process the data once again. All the approaches are compared also to their non-discriminative alternatives. |
| Práva: | © Lukáš Machlica - Zbyněk Zajíc - Luděk Müller |
| Vyskytuje se v kolekcích: | Články / Articles (KKY) Články / Articles (NTIS) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| LukasMachlica_2010_Discriminative.pdf | Plný text | 79,13 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/17043Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.