FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W847801132> ?p ?o ?g. }

• W847801132 endingPage "72" @default.
• W847801132 startingPage "67" @default.
• W847801132 abstract "이 논문은 문맥 종속 화자인식에 사용될 벡터 앙자기의 설계법 개선에 관한 연구이다. 구체적으로 벡터 양자기 코드북 생성 과정에서 기준 화자를 제외한 모든 비기준 화자에 대해 비반복적 학습 방법을 사용하여, 학습에 필요한 계산 복잡도를 획기적으로 줄이는 방법을 제안한다. 이 제안된 준비반복 벡터 양자기 설계법은, 종래의 설계법이 모든 화자의 코드북 생성에 반복적 학습 설계를 사용한다는 것과 대조를 이룬다. 준비반복 벡터 양자기 설계법의 특징은 다음과 같다. 첫째, 이 설계법은 단지 기준 화자에 대하여만 반복 학습을 수행하고 비기준 화자에 대하여는 반복 학습을 하지 않는다. 둘째, 설계된 비기준 화자의 양자 영역은 기준화자의 양자 영역을 원용하며, 양자점은 자신의 통계 분포에 대해 최적점으로 설정된다. 수치 실험은 화자 20명에 대하여 멜켑스트럼 12차 특징벡터를 사용하였고 코드북 크기를 2부터 32까지 변화시키면서 기존의 벡터 양자기 인식법과 비교하였다. 제안된 방법은 코드북 크기가 적절하고 학습 데이터 길이가 충분한 경우 인식률 100%로 기존의 방법과 같은 결과를 보였다. 따라서 제안된 준비반복 벡터 양자기 설계법은, 설계에 필요한 학습 횟수가 획기적으로 줄면서 인식률은 보존되어, 새로운 대안이 될 것으로 사료된다. In this paper, we study the enhancement of VQ (Vector Quantization) design for text dependent speaker recognition. In a concrete way, we present the non-Iterative method which makes a vector quantization codebook and this method Is nut Iterative learning so that the computational complexity is epochally reduced. The proposed semi-noniterative VQ design method contrasts with the existing design method which uses the iterative learning algorithm for every training speaker. The characteristics of a semi-noniterative VQ design is as follows. First, the proposed method performs the iterative learning only for the reference speaker, but the existing method performs the iterative learning for every speaker. Second, the quantization region of the non-reference speaker is equivalent for a quantization region of the reference speaker. And the quantization point of the non-reference speaker is the optimal point for the statistical distribution of the non-reference speaker In the numerical experiment, we use the 12th met-cepstrum feature vectors of 20 speakers and compare it with the existing method, changing the codebook size from 2 to 32. The recognition rate of the proposed method is 100% for suitable codebook size and adequate training data. It is equal to the recognition rate of the existing method. Therefore the proposed semi-noniterative VQ design method is, reducing computational complexity and maintaining the recognition rate, new alternative proposal." @default.
• W847801132 created "2016-06-24" @default.
• W847801132 date "2003-02-01" @default.
• W847801132 modified "2023-09-26" @default.
• W847801132 title "A Semi-Noniterative VQ Design Algorithm for Text Dependent Speaker Recognition" @default.
• W847801132 cites W2008957275 @default.
• W847801132 cites W2069976350 @default.
• W847801132 cites W2132549764 @default.
• W847801132 cites W2134383396 @default.
• W847801132 cites W2165880886 @default.
• W847801132 cites W3151878189 @default.
• W847801132 doi "https://doi.org/10.3745/kipstb.2003.10b.1.067" @default.
• W847801132 hasPublicationYear "2003" @default.
• W847801132 type Work @default.
• W847801132 sameAs 847801132 @default.
• W847801132 citedByCount "0" @default.
• W847801132 crossrefType "journal-article" @default.
• W847801132 hasBestOaLocation W8478011321 @default.
• W847801132 hasConcept C11413529 @default.
• W847801132 hasConcept C117619785 @default.
• W847801132 hasConcept C127759330 @default.
• W847801132 hasConcept C133892786 @default.
• W847801132 hasConcept C151989614 @default.
• W847801132 hasConcept C153180895 @default.
• W847801132 hasConcept C154945302 @default.
• W847801132 hasConcept C159694833 @default.
• W847801132 hasConcept C179799912 @default.
• W847801132 hasConcept C199833920 @default.
• W847801132 hasConcept C2775924081 @default.
• W847801132 hasConcept C28490314 @default.
• W847801132 hasConcept C28855332 @default.
• W847801132 hasConcept C41008148 @default.
• W847801132 hasConcept C52622490 @default.
• W847801132 hasConcept C93372532 @default.
• W847801132 hasConceptScore W847801132C11413529 @default.
• W847801132 hasConceptScore W847801132C117619785 @default.
• W847801132 hasConceptScore W847801132C127759330 @default.
• W847801132 hasConceptScore W847801132C133892786 @default.
• W847801132 hasConceptScore W847801132C151989614 @default.
• W847801132 hasConceptScore W847801132C153180895 @default.
• W847801132 hasConceptScore W847801132C154945302 @default.
• W847801132 hasConceptScore W847801132C159694833 @default.
• W847801132 hasConceptScore W847801132C179799912 @default.
• W847801132 hasConceptScore W847801132C199833920 @default.
• W847801132 hasConceptScore W847801132C2775924081 @default.
• W847801132 hasConceptScore W847801132C28490314 @default.
• W847801132 hasConceptScore W847801132C28855332 @default.
• W847801132 hasConceptScore W847801132C41008148 @default.
• W847801132 hasConceptScore W847801132C52622490 @default.
• W847801132 hasConceptScore W847801132C93372532 @default.
• W847801132 hasIssue "1" @default.
• W847801132 hasLocation W8478011321 @default.
• W847801132 hasOpenAccess W847801132 @default.
• W847801132 hasPrimaryLocation W8478011321 @default.
• W847801132 hasRelatedWork W1646426535 @default.
• W847801132 hasRelatedWork W1911208119 @default.
• W847801132 hasRelatedWork W1992926600 @default.
• W847801132 hasRelatedWork W203510659 @default.
• W847801132 hasRelatedWork W2046652749 @default.
• W847801132 hasRelatedWork W2312329741 @default.
• W847801132 hasRelatedWork W2373410008 @default.
• W847801132 hasRelatedWork W2678365413 @default.
• W847801132 hasRelatedWork W847801132 @default.
• W847801132 hasRelatedWork W2606189143 @default.
• W847801132 hasVolume "10B" @default.
• W847801132 isParatext "false" @default.
• W847801132 isRetracted "false" @default.
• W847801132 magId "847801132" @default.
• W847801132 workType "article" @default.