지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 발행연도
- 2019
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
해당 논문에서는 End-to-End 딥러닝을 활용하여 한국어 음성인식 모형을 구현하였다. End-to-End 딥러닝 중에서도 특히 CTC, Attention 방법을 활용하였으며 각 인코더와 디코더는 CNN, RNN을 기반으로 하였다. 음성 데이터는 우리말샘 온라인 사전과 한국어 낭독체로부터 수집하여 MFCC 변환하였다. 인코더의 입력값으로 한국어 초중종성을 분리하여 모형에 활용하였으며 디코딩하는 과정에서 유한 오토마타와 빔서치를 결합한 알고리즘을 통해 다시 초중종성 순서에 맞게 결합하였다. 실험은 네가지로 진행하였다. 먼저 노이즈 데이터에 대해 어떤 모형이 민감도가 낮은지 알아보았고 Attention 모형에서 인코더와 디코더의 layer 수에 따라 성능이 어떤지 확인해보았다. 또한 변분 베이즈 방식을 활용하여 음성인식에 적용해보아 기존의 방식과 비교하였다. 최종적으로 추가적인 언어모델을 적용했을 때 각 perplexity를 확인해보았다.
목차
Chapter 1 서론 1Chapter 2 본론2.1 모형 설명2.1.1 CTC 32.1.2 Seq2Seq와 Attention 42.1.3 Bayesian deep learning 72.2 분석2.2.1 데이터 설명 112.2.2 데이터 처리 112.2.3 모형 설정 162.2.4 결과 18Chapter 3 결론 22Bibliography 24Abstract 26
최근 본 자료
댓글(0)
0