- Tytuł:
-
Comparison of optimization algorithms of connectionist temporal classifier for speech recognition system
Porównanie algorytmów optymalizacji klasyfikatora czasowego do systemu rozpoznawania mowy - Autorzy:
-
Amirgaliyev, Yedilkhan
Darkhan, Kuanyshbay
Shoiynbek, Aisultan - Powiązania:
- https://bibliotekanauki.pl/articles/408796.pdf
- Data publikacji:
- 2019
- Wydawca:
- Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
- Tematy:
-
recurrent neural network
search method
acoustic
systems modeling language
rekurencyjna sieć neuronowa
metoda wyszukiwania
akustyka
język modelowania systemów - Opis:
-
This paper evaluates and compares the performances of three well-known optimization algorithms (Adagrad, Adam, Momentum) for faster
training the neural network of CTC algorithm for speech recognition. For CTC algorithms recurrent neural network has been used, specifically Long-
Short-Term memory. LSTM is effective and often used model. Data has been downloaded from VCTK corpus of Edinburgh University. The results
of optimization algorithms have been evaluated by the Label error rate and CTC loss.
W artykule dokonano oceny i porównania wydajności trzech znanych algorytmów optymalizacyjnych (Adagrad, Adam, Momentum) w celu przyspieszenia treningu sieci neuronowej algorytmu CTC do rozpoznawania mowy. Dla algorytmów CTC wykorzystano rekurencyjną sieć neuronową, w szczególności LSTM, która jest efektywnym i często używanym modelem. Dane zostały pobrane z wydziału VCTK Uniwersytetu w Edynburgu. Wyniki algorytmów optymalizacyjnych zostały ocenione na podstawie wskaźników Label error i CTC loss. - Źródło:
-
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2019, 9, 3; 54-57
2083-0157
2391-6761 - Pojawia się w:
- Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
- Dostawca treści:
- Biblioteka Nauki
Artykuł