loading
  • Trang chủ
  • Sách, tuyển tập
  • LES RESEAUX DE NEURONE AVEC L’ENTREE DISCRETE POUR LA RECONNAISSANCE AUTOMATIQUE DE LA PAROLE / TO, Huy Cuong; BOURLARD, Hervé
Sách, tuyển tập

LES RESEAUX DE NEURONE AVEC L’ENTREE DISCRETE POUR LA RECONNAISSANCE AUTOMATIQUE DE LA PAROLE / TO, Huy Cuong; BOURLARD, Hervé

Tác giả : TO, Huy Cuong; BOURLARD, Hervé

Năm xuất bản : 2005

Chủ đề : 1. combination des classificateurs. 2. entrée discrète. 3. Exactitude de la Trame (ET). 4. Exactitude du Mot (EM). 5. Facteur d'Accélération (FA). 6. Modèle de Markov Caché (MMC). 7. multi-canaux. 8. Perceptron Multi Couches (PMC). 9. Quantification Vectorielle (QV). 10. Reconnaissance Automatique de la Parole (RAP). 11. système hybride. 12. vecteur creux. 13. Thesis.

Chia sẻ

Thông tin chi tiết

Tóm tắt :

Des systèmes contemporains de la Reconnaissance Automatique de la Parole (RAP) utilisant le syst ème hybride (composé par un Perceptron Multi Couches à l'entrée continue(PMCC) et un Modèle de Markov Caché (MMC)) sont limités par (i) sa performance en termes de taux d'erreur de la reconnaissance au niveau du mot, et (ii) son impossibilité d'entraîner sur les bases de données réelles très grandes. On présente içi comment on attaque ces limites par l'utilisation dans le système hybride les réseaux l'entrée Discrète, avec ou sans la couche cachée. Nos première expériences, et notre première implémentation révèlent que ces réseaux discrets peut avoir les propriétés suivantes: (1) Ils accélèrent l'apprentissage utilisant la Rétro-Propagation, (2) Ils ont l'Exactitude du Mot et quelques fois l'Exactitude de la Trame plus basse q'un réseau standard (3) Ils produisent différents types d'erreur au niveau de trame que le PMCC. Ce mémoire de fin d'études décrit nos efforts de balancer ces trois caractéristiques dans la construction de différents sytèmes, dans les quels nous compense la perte de performance avec la capacité d'entraîner sue de très grandes bases de données, ou nous essayons à combiner plusieurs réseaux dans un système hybride, afin d'augmenter la performance. Bien que les expériences et l'implémentation initiales de notre nouveaux systèmes discrets sont loin d'être réellement conclusive, le potentiel théorique du projet est prouvé. Nous arrivons à une estimation impressive de borne inférieure du CPU. Nous arrivons aussi à construire deux réseaux de différent propriétés mais ayant l'exactitude comparable d'un PMCC standard. Nous avons achevé à augmenté l'Exactitude du Mot de 0.25% relative, sur Numbers'95 1, avec une combination de deux réseaux dans un système utilisant le MMC. Nous avons aussi défini les directions de futur très proche du projet, en vue d'achever les résultats conclusives. Dans ce mémoire de fin d'études de 3-ème cycle, nous fournissons un détail riche des résultats acquises, avec l'espoir que les suggestions et contributions des lecteurs vont nous aider de réduire le temps à arriver à un système vraiment complet.
Chia sẻ


Hiển thị MARC

 Thông tin dữ liệu nguồn

 Thư viện  Ký hiệu xếp giá  Dữ liệu nguồn
Viện Quốc tế Pháp ngữ - ĐHQGHN
https://repository.vnu.edu.vn/handle/VNU_123/68