음성인식을 위한 은닉 마르코프 모델에서 엔트로피에 기반한 상태별 특징 파라미터 가중 = State-Dependent Feature Parameter Weighting based on Entropy in the DHMM for Speech Recognition
저자
발행기관
학술지명
권호사항
발행연도
1998
작성언어
Korean
KDC
004
자료형태
학술저널
발행기관 URL
수록면
294-302(9쪽)
제공처
본 논문에서는 음성인식을 위해서 DHMM을 변형한 퍼지기반 특징 파라미터 가중(FFW fuzzy based feature-parameter weighting) DHMM을 제안한다. FFW-DHMM 에서 출력확률은 특징 파라미터에 대한 퍼지가중과 상대 모델링에 의해서 추정된다.
일반적인 DHMM에서, 출력확률 자체는 각 상태에서 상태 의존 특징 파라미터의 중요도를 반영하지 않고 있다. 출력확률에 대한 각 특징 파라미터의 기여도는 상태별로 다르며, 그려한 차이가 출력확률에 대한 각 특징 파라미터의 중요도를 나타낸다. 각 상태별로 유효한 특징파라미터의 중요도를 구하기 위해서, 각 특징 파라미터에 대한 출력분포에 대한 엔트로피 값을 사용하며, 계산된 엔트로피 값에 퍼지함수를 적용하여 얻어진 값을 각 특징 파라미터에 대한 가중치 요소로 사용한다. 이러한 상태별 특징 파라미터의 가중치 이외에, 각 상태의 중요도를 FFW-DHMM의 출력확률에 반영한다.
실험결과, 제안된 방법이 기존의 DHMM 에 비해 1.4% 향상된 결과를 나타내었으며, 출력확률 계산 시 상태 가중 방법을 적용한 결과 2.1%의 성능향상을 얻을 수 있었다. 이러한 결과는 제안된 상태 의존 특징 파라미터 가중과 상태 가중의 사용이 향상성 인식율을 얻는데 주요하며, 결과적으로 제안된 방법이 HMM을 위한 강인한 출력확률의 추정을 위한 대안으로 유용함을 보여준다고 할 수 있다.
In this paper, we propose a new variant of DHMM(discrete hidden Markov model), fuzzy based feature-parameter weighting DHMM for speech recognition, in which the output probability is estimated by fuzzy weighting of the feature parameter and the state modeling. In the conventional DHMM, the output probability itself does not reflect the importance of state dependent feature parameters at a state. The contribution of each feature parameter for the output probability is different at each state, and those differences represent the degree of importance with which the feature parameter affects the output probability. To derive the importance of feature parameters at a state, the entropy of an output distribution for each feature parameter is used, and the a fuzzy function is applied to transform the entropy value into a feature-parameter weighting factor. Besides the state-dependent feature-parameter weighting by a fuzzy function, the importance of a state is also reflected to the computation of an output probability in the FFW-DHMM.
From experimental results, the proposed method has shown an improvement of 1.4% over the conventional DHMM, and a 2.1% improvement when the state weighting is applied to the computation of an output probability. These results indicate that the use of state-dependent feature-parameter weighting and state weighting to the DHMM lead to improved recognition, and therefore it may be used as an alternative to the robust estimation of output probabilities for HMMs.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)