Investigating Feature Spaces for Isolated Word Recognition - Publikacja - MOST Wiedzy

Wyszukiwarka

Investigating Feature Spaces for Isolated Word Recognition

Abstrakt

The study addresses the issues related to the appropriateness of a two-dimensional representation of speech signal for speech recognition tasks based on deep learning techniques. The approach combines Convolutional Neural Networks (CNNs) and time-frequency signal representation converted to the investigated feature spaces. In particular, waveforms and fractal dimension features of the signal were chosen for the time domain, and three feature spaces were investigated for the frequency domain, namely: Linear Prediction Coefficient (LPC) spectrum, Hartley spectrum, and cochleagram. Due to the fact that deep learning requires an adequate training set size of the corpus and its content may significantly influence the outcome, thus for the data augmentation purpose, the created dataset was extended with mixes of the speech signal with noise with various SNRs (Signal-to-Noise Ratio). In order to evaluate the applicability of the implemented feature spaces for isolated word recognition task, three experiments were conducted, i.e., 10-, 70-, and 111-word cases were analyzed.

Cytowania

  • 1

    CrossRef

  • 0

    Web of Science

  • 0

    Scopus

Autorzy (5)

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Język:
angielski
Rok wydania:
2020
Opis bibliograficzny:
Treigys P., Korvel G., Tamulevicius G., Bernataviciene J., Kostek B.: Investigating Feature Spaces for Isolated Word Recognition// Data Science: New Issues, Challenges and Applications/ : , 2020, s.165-181
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-39250-5
Źródła finansowania:
  • Działalność statusowa
Weryfikacja:
Politechnika Gdańska

wyświetlono 10 razy

Publikacje, które mogą cię zainteresować

Meta Tagi