HMM Net은 신경 회로망(Neural network)의 구조로 은닉 마프코프 모델(HMM)을 구현한 것이다. 이 구조는 HMM이 갖고 있는 시계열을 잘 모델링하는 능력과 신경 회로망이 갖고 있는 우수한 변별력을 결합하기 위한 목적으로 개발되어졌다. 이 논문에서는 HMM 분류기와 HMM Net 분류기의 성능을 비교한 실험상의 연구 결과를 보고한다. HMM에서 사용한 학습 기준은 최우법(...
HMM Net은 신경 회로망(Neural network)의 구조로 은닉 마프코프 모델(HMM)을 구현한 것이다. 이 구조는 HMM이 갖고 있는 시계열을 잘 모델링하는 능력과 신경 회로망이 갖고 있는 우수한 변별력을 결합하기 위한 목적으로 개발되어졌다. 이 논문에서는 HMM 분류기와 HMM Net 분류기의 성능을 비교한 실험상의 연구 결과를 보고한다. HMM에서 사용한 학습 기준은 최우법(ML)이고, HMM Net에서 사용한 학습 기준들은 최우법(ML), 최대 상호 정보법(MMI), 최소 자승 오차법(MMSE)이다. 또한 HMM Net 분류기에 입력으로 관측기호에 대한 이진값과 퍼지(Fuzzy)값을 입력으로 사용하여 비교한다. HMM 분류기와 HMM Net 분류기는 숫자 음성에서 얻은 시계열 패턴을 근거로 분할 학습법(Holdout), 전표본 학습법(Resubstitution), 상호 교정법(Cross-Validation)으로 실험되어졌다. 실험 결과는 MMSE 학습 기준을 사용한 HMM Net 분류기가 높은 변별력으로 인식률에서 더 나은 성능을 보여주었으나 최적의 학습에 실패하는 경우도 있었다. 또한 퍼지값을 입력으로 사용하였을 때 보다 나은 성능을 보여주었다.
HMM Net은 신경 회로망(Neural network)의 구조로 은닉 마프코프 모델(HMM)을 구현한 것이다. 이 구조는 HMM이 갖고 있는 시계열을 잘 모델링하는 능력과 신경 회로망이 갖고 있는 우수한 변별력을 결합하기 위한 목적으로 개발되어졌다. 이 논문에서는 HMM 분류기와 HMM Net 분류기의 성능을 비교한 실험상의 연구 결과를 보고한다. HMM에서 사용한 학습 기준은 최우법(ML)이고, HMM Net에서 사용한 학습 기준들은 최우법(ML), 최대 상호 정보법(MMI), 최소 자승 오차법(MMSE)이다. 또한 HMM Net 분류기에 입력으로 관측기호에 대한 이진값과 퍼지(Fuzzy)값을 입력으로 사용하여 비교한다. HMM 분류기와 HMM Net 분류기는 숫자 음성에서 얻은 시계열 패턴을 근거로 분할 학습법(Holdout), 전표본 학습법(Resubstitution), 상호 교정법(Cross-Validation)으로 실험되어졌다. 실험 결과는 MMSE 학습 기준을 사용한 HMM Net 분류기가 높은 변별력으로 인식률에서 더 나은 성능을 보여주었으나 최적의 학습에 실패하는 경우도 있었다. 또한 퍼지값을 입력으로 사용하였을 때 보다 나은 성능을 보여주었다.
The HMM Net is an architecture for a neural network that implements a hidden Markov model(HMM). The architecture is developed for the purpose of combining the classification power of neural networks with the time-domain modeling capability of HMMs. In this paper we report the results of an experimen...
The HMM Net is an architecture for a neural network that implements a hidden Markov model(HMM). The architecture is developed for the purpose of combining the classification power of neural networks with the time-domain modeling capability of HMMs. In this paper we report the results of an experimental study comparing the performance of HMM Net and HMM classifiers. Criteria used for HMM Net are maximum likelihood(ML), maximum mutual information (MMI), and minimization of the mean-squared-error(MMSE), while the criterion for HMM is the maximum likelihood, using the discrete symbols as inputs. Then the experiments, except HMM, are repeated using the fuzzy values as inputs. HMM Net and HMM classifiers are tested with the methods of Holdout, Resubstitution, Cross-Validation on the real speech data, isolated numbers from /0/ to /9/, which is uttered by nine persons. Experimental results show that the performance of the HMM Net classifier using MMSE criterion is better than others, however the classifier sometimes failed to achieve the respected performance. And when the fuzzy values are used as inputs, the performance of the classifiers are better than other cases.
The HMM Net is an architecture for a neural network that implements a hidden Markov model(HMM). The architecture is developed for the purpose of combining the classification power of neural networks with the time-domain modeling capability of HMMs. In this paper we report the results of an experimental study comparing the performance of HMM Net and HMM classifiers. Criteria used for HMM Net are maximum likelihood(ML), maximum mutual information (MMI), and minimization of the mean-squared-error(MMSE), while the criterion for HMM is the maximum likelihood, using the discrete symbols as inputs. Then the experiments, except HMM, are repeated using the fuzzy values as inputs. HMM Net and HMM classifiers are tested with the methods of Holdout, Resubstitution, Cross-Validation on the real speech data, isolated numbers from /0/ to /9/, which is uttered by nine persons. Experimental results show that the performance of the HMM Net classifier using MMSE criterion is better than others, however the classifier sometimes failed to achieve the respected performance. And when the fuzzy values are used as inputs, the performance of the classifiers are better than other cases.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.