Architectures for deep neural network based acoustic models for automatic speech recognition
Notice bibliographique
Résumé
In the recent years, Deep Neural Network-Hidden Markov Model (DNN-HMM) systems have overtaken the traditional Gaussian Mixture Model-Hidden Markov Model (GMM-HMM) systems as the state-of-the-art acoustic models in Automatic Speech Recognition (ASR). A lot of effort has been put in studying different deep learning architectures to improve ASR performance. However, most of these systems operate on the standard hand crafted spectral features which were used in the GMM-HMM systems. Recent research has shown that DNNs can operate directly on raw speech waveform input features. This thesismainly focuses on such network architectures which can operate directly on the speech waveform input features offering an alternative to standard signal processing. This thesis at first evaluates existing DNN based acoustic models trained on spectral features, analyzing various parameters affecting the performance of such networks. The ability of these DNN based systems to automatically acquire internal representation that are similar to mel-scale filter banks when fed with raw waveform input features is demonstrated. It is shown that increasing the size of the corpus helps in reducing the gap which exists between the Windowed Speech Waveform (WSW) DNNs and the Mel Frequency Spectral Coefficient (MFSC) DNNs performance. An investigation into efficient WSW DNN architectures is done and a proposed stacked bottleneck architecture is shown to reduce the gap that exists between the WSW DNN and the MFSC DNN by capturing improved spectral dynamic information. A combination of spectral features and waveformbased features is shown to improve the performance by providing additional information to the network. At last, redundancies associated with these systems are addressed and possible solutions are provided for reducing the size and complexity by using structured initialization and Singular Value Decomposition (SVD) based restructuring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».