선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서 음성인식에서 성능향상을 위해 사용된 다양한 적응기법에 대한 기술동향을 살펴보았다. 화자적응에 대한 일반적인 개념에 대해 소개하고 음성인식과의 관계를 기술하였다.
가설 설정
- 먼저 순차 적응을 위한 Bayesian 추정과 quasi-Bayes(QB) 학습 이론에 대해 알아본다. Bayesian 추정 이론에 있어서 HMM 파라메터 # 의 불확실성을 나타내기 위해 이 값을 랜덤 이 라고 가정한다. #에 대한 선 지식은 hyperparameter'"을 갖고 알려진 결합 선 분포(joint prior distribution) # 에 포함된다고 생각한다.
- MAP 적응기법은 학습 데이터에 포함되어 있는 선 지식 정보를 선밀도 함수에 포함시켜 이를 적응 데이터와 MAP 추정기법으로 결합하여 적응하는 방식이다 [11]. MAP서는 CDHMM 파라메터 # 가 hyperparameter 8 을 갖는 선 확률 밀도함수 # 분포를 갖는 랜덤 (random) 변수라 가정한다. MAP 기법은 유사도 /(X| 2)를 갖는 관측 열로부터 추정된다면, 다음과 같이 # 의 posterior mode로 정의 된다.
- 화자공간을구할 때 eigenvoice 와 다르게 factor analysis (FA) [32] 나 probabilistic principal component analysis(PPCA)[34] 와 같은 은닉변수모델 (latent variable model)을 사용한다. SSM 기법에서는 각 화자종속 모델 u 가 다음과 같은 선형 모델에 의해 발생한다고 가정한다. [34],
※ AI-Helper는 부적절한 답변을 할 수 있습니다.