메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
은닉 마르코프 모델의 모델 파라미터중의 하나인 출력 확률은 음성인식기의 성능에 중대한 영향을 미치는 것으로 알려져 있다. 본 논문에서는 출력 확률의 모델링에 비모수적 커어널 밀도 추정을 사용하였다. 비모수적 커어널 밀도 추정은 이산 HMM의 출력 확률 모델링 방법과 같은 비모수적인 방법이지만, 이산 확률 분포 대신에 연속 확률 분포를 갖는다. 따라서, 이산 HMM처럼 분석구간내의 음성을 거리가 제일 가까운 코드워드만으로 표현하는데 따르는 정보의 손실이 없고, 연속 HMM에서와 같이 부적절한 출력 확률 분포에 대한 가정에 기인하는 오류를 감소시킨다.
제안한 방법을 HMM에 적용하기 위해, 일반화된 K근접치 추정(the generalized k-th nearest neighbour estimator)과 가변 커어널 추정(the variable kernel estimator)을 사용하여 음운학적으로 균형을 이룬 115단어를 가진 음성 데이타베이스에 대해 실험하였다. 그 결과, 이산 HMMM의 97.57%에서 99.30%로 인식률이 향상되었다.

목차

요약

1. 서론

2. 비모수적 커어널 밀도추정

3. nonparametric kernel HMM

4. 실험 및 결과

5. 결론 및 검토

참고 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017922393