DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 김회린 | - |
dc.contributor.advisor | Kim, Hoi Rin | - |
dc.contributor.author | 구자현 | - |
dc.contributor.author | Goo, Jahyun | - |
dc.date.accessioned | 2016-05-03T19:39:11Z | - |
dc.date.available | 2016-05-03T19:39:11Z | - |
dc.date.issued | 2015 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=608473&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/206854 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 전기및전자공학과, 2015.2 ,[v, 48 p. :] | - |
dc.description.abstract | 화자간 변이는 음성인식의 성능을 저하시키는 주요한 원인이다. 이를 대처하기 위해서는 화자에 따른 음소 변이를 더욱 잘 담아내는 적응기법을 고안해야 한다. 부분공간 가우시안 혼합 모델은 개별 음소 정보를 다른 음향 정보와 효율적으로 분리해낼 수 있는 음향 모델이다. 분리한 음소 정보는 부분공간 가우시안 혼합 모델에서 음소상태벡터 형태로 저장된다. 따라서 음향모델을 개별 화자에 맞게 적응시킬 때 음소상태벡터만을 변화시키는 방법을 생각해볼 수 있다. 본 학위논문에서는 음소상태벡터에 최대사후확률 적응을 적용하는 방법을 제안하고, 더불어 L1-norm regularization 기반의 최대사후확률 적응을 통해 화자적응 모델의 저장 효율을 높였다. 이 방법을 통해 Wall Street Journal 데이터베이스에서 최대사후확률 적응으로는 단어 오류율 기준 17.5%의 상대적인 성능 향상을 얻을 수 있었고, L1 노름 정규화로는 15.6%의 성능 향상과 38%의 저장 효율을 얻을 수 있었다.ㅜ | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | 부분공간 가우시안 혼합 모델 | - |
dc.subject | 최대사후확률 적응 | - |
dc.subject | L1 노름 정규화 | - |
dc.subject | 화자적응 | - |
dc.subject | 음성인식 | - |
dc.subject | subspace Gaussian mixture model | - |
dc.subject | maximum a posteriori adaptation | - |
dc.subject | l1-norm regularization | - |
dc.subject | speaker adaptation | - |
dc.subject | speech recognition | - |
dc.title | L1-MAP 기법을 이용한 Subspace Gaussian Mixture Model에서의 화자 적응 | - |
dc.title.alternative | L1-MAP-based speaker adaptation of subspace gaussian mixture model | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :전기및전자공학과, | - |
dc.contributor.localauthor | 김회린 | - |
dc.contributor.localauthor | Kim, Hoi Rin | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.