Speech recognition using deep neural networks trained with non-uniform frame-level cost functions

Sánchez, Aldonso Becerra; Vargas, José Ismael De la Rosa; González, Efrén; Pedroza, A. David; Martínez, Javier; Escalante, Nivia

doi:10.1109/ropec.2017.8261588

“…They adopted two techniques, namely DNN-based regression to enhance reverberant and noisy speech, followed by DNN-based multicondition training for recognition. Becerra et al [37] introduced two new variations of the frame-level cost function for training a DNN in order to achieve better speech recognition. Due to the profound differences between acoustic characteristics of neutral and whispered speech, the performance of traditional automatic Speech Recognition (ASR) systems trained on neutral speech degrades significantly when the whisper is applied.…”

Section: Voice and Video Processingmentioning

confidence: 99%

“…The use of Deep Learning (DL) methods, which are the multi-layered structure of ANNs along with the improvements of GPU technology, have accelerated these advances. Furthermore, DL approaches have significantly outperformed state-of-the-art approaches in many fields such as object recognition [1,3,7,9,25,26], image processing [11,[27][28][29][30][31][32], computer vision [33][34][35][36], speech recognition [37][38][39], natural language processing (NLP) [10,21,27,[40][41][42], character recognition [5,30,[43][44][45][46], signature verification [2,6,[47][48][49][50][51]. Although the foundations of DL were based on ANN proposed by McCulloch and Pitts in 1943 [52], the real popularity has increased in 2012.…”

Section: Introduction (Gi̇ri̇ş)mentioning

confidence: 99%

Derin Öğrenme Araştırma Alanlarının Literatür Taraması

Yapıcı¹,

Tekerek²,

Topaloğlu³

2019

GMBD

View full text Add to dashboard Cite

Derin öğrenme (Deep Learning-DL), birçok alanda önemli başarılar elde etmiş güçlü bir makine öğrenmesi yöntemidir. Özellikle son on yılda, bilgisayarlı görü, nesne tanıma, konuşma tanıma, doğal dil işleme gibi birçok araştırma alanında başarılı sonuçlar elde ederek, yapay zekanın derin uykudan uyanmasına yol açmıştır. Günümüzde, çeşitli alanlardaki birçok araştırmacı, DL yöntemlerini kullanarak alanlarında en iyi sonucu almaya çalışmaktadır. Bu tarama çalışmasında, DL modelleri ve DL ile çalışılabilecek önemli araştırma konuları hakkında bilgiler vererek araştırmacılara rehberlik etmeyi hedefliyoruz. Çalışmada Özerk Araçlar (Autonomous Vehicles), Doğal Dil İşleme (Natural Language Processing), El Yazısı Karakter Tanıma (Handwritten Character Recognition), İmza Doğrulama (Signature Verification), Ses ve Video Tanıma (Voice and Video Recognition), Tıbbi Görüntü İşleme (Medical İmage Processing), Büyük Veri (Big Data) gibi dünyanın en popüler ve en zorlu alanlarında yapılan DL çalışmalarını inceliyoruz. Ayrıca, araştırmacılara yardımcı olmak için, incelediğimiz bu alanlardaki DL ile çalışılabilecek, henüz çalışılmamış veya yeterince iyi sonuçlar elde edilememiş problemlere dikkat çekerek olası araştırma konularını listeliyoruz. Günümüzde, Derin öğrenme yöntemleri nesne tanıma alanında insanlardan daha iyi sonuçlara ulaşmıştır. DL üzerine yapılan çalışmalar dikkate alındığında, bu başarının otonom araçlar, tıbbi görüntü işleme, büyük veri analizi ve karakter tanıma gibi alanlarda da gerçekleşeceği öngörülmektedir. https://dx.Deep learning (DL) is an important machine learning field that has achieved considerable success in many research areas. In the last decade, the-state-of-the-art studies on many research areas such as computer vision, object recognition, speech recognition, and natural language processing were especially led to the awakening of the artificial intelligence from deep sleep. Nowadays, many researchers try to find solutions to many problems in various fields under the light of DL methods. In this study, it is presented important knowledge to guide about DL models and challenging topics that can be used in DL for researchers. This study investigated DL studies which are made in the most popular and challenging fields such as autonomous vehicles, natural language processing, handwritten character recognition, signature verification, voice and video recognition, medical image processing, and big data. Furthermore, this study points out the remaining challenges of these research areas that can be solved by DL, and discusses future topics to help the researchers. In the present day, Deep learning methods have reached better results than humans in object recognition. According to the literature studies on DL, It is foreseen that this success will be achieved in areas such as autonomous vehicles, medical image processing, big data analysis, and character recognition. https://dx.

show abstract

“…The use of Deep Learning (DL) methods, which are the multi-layered structure of ANNs along with the improvements of GPU technology, have accelerated these advances. Furthermore, DL approaches have significantly outperformed state-of-the-art approaches in many fields such as object recognition [1,3,7,9,25,26], image processing [11,[27][28][29][30][31][32], computer vision [33][34][35][36], speech recognition [37][38][39], natural language processing (NLP) [10,21,27,[40][41][42], character recognition [5,30,[43][44][45][46], signature verification [2,6,[47][48][49][50][51]. Although the foundations of DL were based on ANN proposed by McCulloch and Pitts in 1943 [52], the real popularity has increased in 2012.…”

Section: Introduction (Gi̇ri̇ş)mentioning

confidence: 99%

Untitled

2019

GMBD

0

View full text Add to dashboard Cite

Derin öğrenme (Deep Learning-DL), birçok alanda önemli başarılar elde etmiş güçlü bir makine öğrenmesi yöntemidir. Özellikle son on yılda, bilgisayarlı görü, nesne tanıma, konuşma tanıma, doğal dil işleme gibi birçok araştırma alanında başarılı sonuçlar elde ederek, yapay zekanın derin uykudan uyanmasına yol açmıştır. Günümüzde, çeşitli alanlardaki birçok araştırmacı, DL yöntemlerini kullanarak alanlarında en iyi sonucu almaya çalışmaktadır. Bu tarama çalışmasında, DL modelleri ve DL ile çalışılabilecek önemli araştırma konuları hakkında bilgiler vererek araştırmacılara rehberlik etmeyi hedefliyoruz. Çalışmada Özerk Araçlar (Autonomous Vehicles), Doğal Dil İşleme (Natural Language Processing), El Yazısı Karakter Tanıma (Handwritten Character Recognition), İmza Doğrulama (Signature Verification), Ses ve Video Tanıma (Voice and Video Recognition), Tıbbi Görüntü İşleme (Medical İmage Processing), Büyük Veri (Big Data) gibi dünyanın en popüler ve en zorlu alanlarında yapılan DL çalışmalarını inceliyoruz. Ayrıca, araştırmacılara yardımcı olmak için, incelediğimiz bu alanlardaki DL ile çalışılabilecek, henüz çalışılmamış veya yeterince iyi sonuçlar elde edilememiş problemlere dikkat çekerek olası araştırma konularını listeliyoruz. Günümüzde, Derin öğrenme yöntemleri nesne tanıma alanında insanlardan daha iyi sonuçlara ulaşmıştır. DL üzerine yapılan çalışmalar dikkate alındığında, bu başarının otonom araçlar, tıbbi görüntü işleme, büyük veri analizi ve karakter tanıma gibi alanlarda da gerçekleşeceği öngörülmektedir. https://dx.Deep learning (DL) is an important machine learning field that has achieved considerable success in many research areas. In the last decade, the-state-of-the-art studies on many research areas such as computer vision, object recognition, speech recognition, and natural language processing were especially led to the awakening of the artificial intelligence from deep sleep. Nowadays, many researchers try to find solutions to many problems in various fields under the light of DL methods. In this study, it is presented important knowledge to guide about DL models and challenging topics that can be used in DL for researchers. This study investigated DL studies which are made in the most popular and challenging fields such as autonomous vehicles, natural language processing, handwritten character recognition, signature verification, voice and video recognition, medical image processing, and big data. Furthermore, this study points out the remaining challenges of these research areas that can be solved by DL, and discusses future topics to help the researchers. In the present day, Deep learning methods have reached better results than humans in object recognition. According to the literature studies on DL, It is foreseen that this success will be achieved in areas such as autonomous vehicles, medical image processing, big data analysis, and character recognition. https://dx.

show abstract