Detail publikace

Semi-Supervised Bootstrapping Approach For Neural Network Feature Extractor Training

GRÉZL, F.; KARAFIÁT, M. Semi-Supervised Bootstrapping Approach For Neural Network Feature Extractor Training. Proceedings of ASRU 2013. Olomouc: IEEE Signal Processing Society, 2013. p. 470-475. ISBN: 978-1-4799-2755-5.
Název česky
Částečně dohlížená bootstrapová metoda pro trénování neuronových sítí pro extrakci příznaků
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Grézl František, Ing., Ph.D. (UPGM)
Karafiát Martin, Ing., Ph.D. (UPGM)
URL
Klíčová slova

Semi-supervised training, bootstrapping, bottle-neck features

Abstrakt

Tento článek prezentuje bootstrapingovou metodu pro trénování neuronových sítí s úzkým hrdlem používané pro generování příznaků pro následující GMM-HMM rozpoznávač. Tento rozpoznávač může být použit k automatickému přepisu původně nepřepsaných dat a k určení důvěryhodnosti tohoto přepisu. Dle této důvěryhodnosti jsou vybrány segmenty a smíchány s původními anotovanými daty, na kterých jsou natrénovány nové neuronové sítě. Automatický přepis umožňuje snížit ztrátu oproti plně anotovaným datům o 40-55%. To představuje snížení chybovosti původního systému o 3-5%. Tohoto výsledku se dosahuje při použití 70-85% automaticky přepsaných dat. Zahození zbytku dat zabráníme použitím nekvalitních přepisů pro trénování.

Rok
2013
Strany
470–475
Sborník
Proceedings of ASRU 2013
ISBN
978-1-4799-2755-5
Vydavatel
IEEE Signal Processing Society
Místo
Olomouc
BibTeX 
@inproceedings{BUT105972,
  author="František {Grézl} and Martin {Karafiát}",
  title="Semi-Supervised Bootstrapping Approach For Neural Network Feature Extractor Training",
  booktitle="Proceedings of ASRU 2013",
  year="2013",
  pages="470--475",
  publisher="IEEE Signal Processing Society",
  address="Olomouc",
  isbn="978-1-4799-2755-5",
  url="http://www.fit.vutbr.cz/research/groups/speech/publi/2013/grezl_asru2013_0000470.pdf"
}
Nahoru