haku: @keyword kätketty Markovin malli / yhteensä: 2
viite: 1 / 2
« edellinen | seuraava »
Tekijä: | Lehtonen, Mikko Olavi |
Työn nimi: | Hierarchical approach for spotting keywords from an acoustic stream |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2005 |
Sivut: | xii + 55 s. + liitt. 11 Kieli: eng |
Koulu/Laitos/Osasto: | Sähkö- ja tietoliikennetekniikan osasto |
Oppiaine: | Tietoverkkotekniikka (S-38) |
Valvoja: | Kantola, Raimo |
Ohjaaja: | Hermansky, Hynek |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark TKK 2944 | Arkisto |
Avainsanat: | keyword spotting speech recognition hidden Markov model neural network TRAP-NN matched filter phoneme avainsanojen paikantaminen puheentunnistus kätketty Markovin malli neuroverkko sovitettu suodin foneemi |
Tiivistelmä (fin): | Avainsanojen paikantaminen on puheentunnistuksen ongelma, jossa tavoite on löytää vain tietyt äänet akustisesta virrasta. Tyypilliset avainsanojen paikannusjärjestelmät lähestyvät ongelmaa käyttäen puheentunnistustekniikoita, kuten kätkettyjä Markovin malleja ja dynaamista ohjelmointia. Tämän seurauksena näissä lähestymistavoissa esiintyy ongelmia liittyen ei-avainsanojen äänien mallinnukseen ja yleistyvyyden puutteeseen. Tämä työ esittelee ja tutkii uutta lähestymistapaa kohdeäänien paikannukseen akustisesta virrasta. Menetelmä perustuu hierarkkiseen käsittelyyn, jossa ensin johdetaan tasaisin välein näytteistetyt foneemien a posterior todennäköisyysestimaatit, jotka muutetaan ei-tasavälisiksi foneemisten luokkien estimaateiksi käyttäen sovitettuja suotimia. Suodatuksen tuottamat estimaatit vastaavat foneemien esiintymistodennäköisyyksiä, jolloin avainsanat voidaan löytää etsimällä oikea sarja luotettavia foneemien estimaatteja. Tässä työssä tasaisin välein näytteistetyt foneemiestimaatit johdetaan joka 10 ms käyttäen kriittisten kaistojen spektrographia, kaksiuloitteista suodatusta ja 1010 ms pitkiä TRAP-malleja. Syntyvät havainnot syötetään kolmikerroksiseen neoroverkkoon, mikä johtaa pitkän aikavälin kontekstin foneemiestimaatteihin. |
ED: | 2006-02-24 |
INSSI tietueen numero: 30664
+ lisää koriin
« edellinen | seuraava »
INSSI