MLLR method for Environmental Adaptation in a Continuous Farsi Speech Recognition
محل انتشار: ششمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,292
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS06_051
تاریخ نمایه سازی: 18 تیر 1391
چکیده مقاله:
In this paper, MLLR1 adaptation of continuous density HMM2 is investigated in a Farsi speaker independent large vocabulary continuous speech recognition system in attempt to improve recognition rate in real world situations. In the MLLR framework, we have experienced the use of Gaussian mean transformations in global adaptation andregression tree based adaptation. Besides full and block-diagonal transformations of Gaussian means, transformation of Gaussian variances is examined. We have used MLLR technique in batch-supervised fashion since it is more beneficial in situations of severe mismatch. Our experiments on 4 different tasks, show that by using this technique the system recognition performance in a new environment can be significantly improved
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :