Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorMüller, Luděk
dc.contributor.authorTrmal, Jan
dc.date.accepted2012-12-20
dc.date.accessioned2015-05-11T09:18:32Z-
dc.date.available2004-09-01cs
dc.date.available2015-05-11T09:18:32Z-
dc.date.issued2012
dc.date.submitted2012-04-24
dc.identifier50397
dc.identifier.urihttp://hdl.handle.net/11025/5409
dc.description.abstractTato práce se zabývá metodikou adaptace neuronových sítí a na řečníku adaptivním trénováním neuronových sítí pro systémy automatického rozpoznávání řeči. Obě tyto technologie, tedy jak adaptace, tak na řečníku adaptivní trénování jsou v oboru rozpoznávání řeči často využívány v rámci GMM/HMM modelovacího frameworku. Zde představují jednu z dalších přístupů k zlepšování přesnosti rozpoznávání, často za cenu pouze zanedbatelného navýšení výpočetních nároků. Zásadní předpoklad těchto dvou technik, tedy znalost identity řečníka jak během trénování, tak i během rozpoznávání je poměrně realistický a poměrně snadno zajistitelný. Je tedy žádoucí, aby byly vyvinuty ekvivalentní techniky i pro hybridní systémy rozpoznávání řeči. Cílem této práce je vyvinout a otestovat metodu adaptace a metodu na řečníku adaptivního tréningu a experimentálně ohodnotit její vliv na přesnost rozpoznávače.cs
dc.format118 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoencs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectakustické modelovánícs
dc.subjectneuronové sítěcs
dc.subjectadaptacecs
dc.subjectrozpoznávání řečics
dc.subjectna řečníku adaptivní trénovánícs
dc.titleVyužití prostoro-časové struktury příznakových vektorů pro adaptaci neuronových sítícs
dc.title.alternativeSpatio-temporal structure of feature vectors in neural network adaptationen
dc.typedisertační prácecs
dc.thesis.degree-namePh.D.cs
dc.thesis.degree-levelDoktorskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.description.departmentKatedra kybernetikycs
dc.thesis.degree-programAplikované vědy a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThis doctoral thesis aims at research in the field of the neural networks adaptation and in the field of speaker adaptive training, with special attention to the application of both in the field of automatic speech recognition. Both these technologies, i.e. the adaptation and the speaker adaptive training are often used in the area of speech recognition in the context of the GMM/HMM modeling framework. In that context, they pose one possible approach to improving recognition accuracy, often at a cost of an insignificant increase of computational complexity. The crucial assumptions of both these techniques, i.e. of the speaker adaptation and of the speaker adaptive training, are realistic and can be ensured relatively easily. Therefore, it is desirable to have similar techniques developed even for hybrid (i.e. non-GMM/HMM) speech recognition systems. The goal of this thesis was to develop such method and to experimentally evaluate its influence on the accuracy of the speech recognition system.en
dc.title.otherSpatio-temporal structure of feature vectors in neural network adaptationcs
dc.subject.translatedacoustic modelingen
dc.subject.translatedneural networksen
dc.subject.translatedadaptationen
dc.subject.translatedspeech recognitionen
dc.subject.translatedspeaker adaptive trainingen
Vyskytuje se v kolekcích:Disertační práce / Dissertations (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
main.pdfPlný text práce1,29 MBAdobe PDFZobrazit/otevřít
posudek-skolitel-trmal.pdfPosudek vedoucího práce46,97 kBAdobe PDFZobrazit/otevřít
posudky-odp-trmal.pdfPosudek oponenta práce301,5 kBAdobe PDFZobrazit/otevřít
protokol-odp-trmal.pdfPrůběh obhajoby práce55,58 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/5409

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.