Highlighting interlanguage phoneme differences based on similarity matrices and convolutional neural network - Publikacja - MOST Wiedzy

Wyszukiwarka

Highlighting interlanguage phoneme differences based on similarity matrices and convolutional neural network

Abstrakt

The goal of this research is to find a way of highlighting the acoustic differences between consonant phonemes of the Polish and Lithuanian languages. For this purpose, similarity matrices are employed based on speech acoustic parameters combined with a convolutional neural network (CNN). In the first experiment, we compare the effectiveness of the similarity matrices applied to discerning acoustic differences between consonant phonemes of the Polish and Lithuanian languages. The similarity matrices built on both an extensive set of parameters and a reduced set after removing high-correlated parameters are used. The results show that higher accuracy is obtained by the similarity matrices without discarding high-correlated parameters. In the second experiment, the averaged accuracies of the similarity matrices obtained are compared with the results provided by spectrograms combined with CNN, as well as the results of the vectors containing acoustic parameters and two baseline classifiers, namely k-nearest neighbors and support vector machine. The performance of the similarity matrix approach demonstrates its superiority over the methods used for comparison.

Cytowania

  • 7

    CrossRef

  • 0

    Web of Science

  • 9

    Scopus

Autorzy (3)

Cytuj jako

Pełna treść

pobierz publikację
pobrano 84 razy
Wersja publikacji
Accepted albo Published Version
Licencja
Creative Commons: CC-BY otwiera się w nowej karcie

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuły w czasopismach
Opublikowano w:
Journal of the Acoustical Society of America nr 149, strony 508 - 523,
ISSN: 0001-4966
Język:
angielski
Rok wydania:
2021
Opis bibliograficzny:
Korvel G., Treigys P., Kostek B.: Highlighting interlanguage phoneme differences based on similarity matrices and convolutional neural network// Journal of the Acoustical Society of America -Vol. 149,iss. 1 (2021), s.508-523
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1121/10.0003339
Źródła finansowania:
  • Działalność statutowa/subwencja
Weryfikacja:
Politechnika Gdańska

wyświetlono 141 razy

Publikacje, które mogą cię zainteresować

Meta Tagi