$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

바타차랴 알고리즘에서 HMM 특징 추출을 이용한 음성 인식 최적 학습 모델

Speech Recognition Optimization Learning Model using HMM Feature Extraction In the Bhattacharyya Algorithm

디지털정책연구 = The Journal of digital policy & management, v.11 no.6, 2013년, pp.199 - 204  

오상엽 (가천대학교 글로벌캠퍼스 IT대학 컴퓨터미디어융합학과)

초록
AI-Helper 아이콘AI-Helper

음성 인식 시스템은 정확하지 않게 입력된 음성으로부터 학습 모델을 구성하고 유사한 음소 모델로 인식하기 때문에 인식률 저하를 가져온다. 따라서 본 논문에서는 바타차랴 알고리즘을 이용한 음성 인식 최적 학습 모델 구성 방법을 제안하였다. 음소가 갖는 특징을 기반으로 학습 데이터의 음소에 HMM 특징 추출 방법을 이용하였으며 유사한 학습 모델은 바타챠랴 알고리즘을 이용하여 정확한 학습 모델로 인식할 수 있도록 하였다. 바타챠랴 알고리즘을 이용하여 최적의 학습 모델을 구성하여 인식 성능을 평가하였다. 본 논문에서 제안한 시스템을 적용한 결과 음성 인식률에서 98.7%의 인식률을 나타내었다.

Abstract AI-Helper 아이콘AI-Helper

Speech recognition system is shall be composed model of learning from the inaccurate input speech. Similar phoneme models to recognize, because it leads to the recognition rate decreases. Therefore, in this paper, we propose a method of speech recognition optimal learning model configuration using t...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 인식률 향상 방법으로 인식 모델 오류 보정을 사용하고 있으나 정확하지 않게 입력된 음성으로부터 학습 모델을 구성하여 인식할 경우 유사한 음소 모델로 인식하기 때문에 인식률 저하를 가져온다. 따라서 본 논문에서는 바타차랴 알고리즘을 이용한 음성 인식 최적 학습 모델 구성 방법을 제안하였다. 음소가 갖는 특징을 기반으로 학습 데이터의 음소에 HMM 특징 추출 방법을 이용하였으며 유사한 학습 모델은 바타챠랴 알고리즘을 이용하여 정확한 학습 모델로 인식할 수 있도록 하였다.
  • 본 논문은 바타차랴 알고리즘을 이용한 음성 인식 최적 학습 모델 구성 방법을 제안하여 음성 인식 성능을 평가하였다. 음소가 갖는 특징을 기반으로 학습 데이터의 음소에 HMM 특징 추출 방법을 이용하였으며 유사한 학습 모델은 바타챠랴 알고리즘을 이용하여 정확한 학습 모델로 인식할 수 있도록 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
음성 인식 시스템에서 인식률 저하가 발생하는 이유는 무엇 때문인가? 음성 인식 시스템은 정확하지 않게 입력된 음성으로부터 학습 모델을 구성하고 유사한 음소 모델로 인식하기 때문에 인식률 저하를 가져온다. 따라서 본 논문에서는 바타차랴 알고리즘을 이용한 음성 인식 최적 학습 모델 구성 방법을 제안하였다.
음성 인식 시스템에서 인식률의 저하를 보완하기 위한 방법으로 어떠한 연구가 진행되고 있는가? 음성 인식 시스템에서는 유사한 음소 모델의 인식과 부정확한 음성의 입력으로 인식 오류가 존재하여 인식률의 저하를 가져온다. 이를 보완하기 위한 방법으로 신호 처리 단계에서의 음성 인식 오류 보정에 대한 연구가 진행되고 있다[1].
오류 보정의 통계적 방법을 이용한 방법에는 무엇이 있는가? 오류 보정의 통계적 방법을 이용한 방법에는 유클리디안 알고리즘, DTW(Dynamic Time Warping)알고리즘, 바타챠랴(Bhattacharyya) 알고리즘 등이 사용되고 있으며 이러한 방법들은 패턴 정합을 이용하여 학습되어진 패턴 중에서 유사도가 가장 높은 것을 인식 결과로 인식률을 확인한다[2]. 유클리디안 알고리즘은 두 개체의 속성 값들에 의한 유사도를 구하는 방법이고 DTW 알고리즘은 비선형 시간 정규화를 갖는 패턴정합 방법이며 바타챠랴 알고리즘은 오류율을 측정하여 거리를 계산하는 방법으로 사용된다[3].
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트