Vector Quantization based Speech Recognition Performance Improvement using Maximum Log Likelihood in Gaussian Distribution

Kyungyong Chung; OH, Sang Yeob

Vector Quantization based Speech Recognition Performance Improvement using Maximum Log Likelihood in Gaussian Distribution

Recommendations

Search

가우시안 분포에서 Maximum Log Likelihood를 이용한 벡터 양자화 기반 음성 인식 성능 향상

Type: Academic journal

Author: Kyungyong Chung OH, Sang Yeob

Journal: The Korea Society of Digital Policy & Management 디지털융복합연구 디지털융복합연구 제16권 제11호 KCI Accredited Journals

Published: 2018.1

Pages: 335 - 340 (6page)

Usage

Vector Quantization based Speech Recognition Performance Improvement using Maximum Log Likelihood in Gaussian Distribution

Abstract· Keywords

Report Errors

Commercialized speech recognition systems that have an accuracy recognition rates are used a learning model from a type of speaker dependent isolated data. However, it has a problem that shows a decrease in the speech recognition performance according to the quantity of data in noise environments. In this paper, we proposed the vector quantization based speech recognition performance improvement using maximum log likelihood in Gaussian distribution. The proposed method is the best learning model configuration method for increasing the accuracy of speech recognition for similar speech using the vector quantization and Maximum Log Likelihood with speech characteristic extraction method. It is used a method of extracting a speech feature based on the hidden markov model. It can improve the accuracy of inaccurate speech model for speech models been produced at the existing system with the use of the proposed system may constitute a robust model for speech recognition. The proposed method shows the improved recognition accuracy in a speech recognition system.

#Speech Recognition #HMM #Feature Extraction #Speech Model #Gaussian Distribution

No content found

References (14)

Add References

안찬식 / 2012 / CHMM 어휘 인식에서 형상 형성 제어를 이용한 가우시안 모델 최적화 / 디지털융복합연구 10(7):167~172

안찬식 / 2012 / 평균 예측 LMS 알고리즘을 이용한 반향 잡음에 강인한 HMM 학습 모델 / 디지털융복합연구 10(10):277~282

안찬식 / 2010 / 음소 유사율 오류 보정을 이용한 어휘 인식 후처리 시스템 / 한국컴퓨터정보학회논문지 15(7):83~90

안찬식 / 2010 / 바타챠랴 거리 측정법을 이용한 음소 유사율 오류 보정 개선 시스템 / 한국컴퓨터정보학회논문지 15(6):73~80

K. E. Gorlen. / 1987 / An object-oriented class library for C++ program / software-practice and experience 17(12):899~922

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

정경용

Affiliation 한국디지털정책학회

Fields Interdisciplinary Studies > Science and Technology Studies

Articles 11 Usage 57

오상엽

Affiliation 한국디지털정책학회

Fields Interdisciplinary Studies > Science and Technology Studies

Articles 36 Usage 183

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (14)

Recommendations

Related Authors

Recently viewed articles

Comments(0)