earticle

한국어

최근에 심층신경망(DNN)에 기초한 모형화방법이 급속히 발전하여 음성 인식성능이 크게 개선되고있다. 론문에서는 DNN 음향모형을 리용하여 조선어 열린어휘음성인식의 성능을 개선하는 방법을 서술하였다. 발성자독립 및 적응된 DNN 모형들을 훈련하는 방법을 주었으며 DNN 모형이 GMM 모형에 비하여 음소오유률(PER)을 30%정도 줄인다 는것을 보여주었다. 또한 음성인 식기《룡남산》에서 OOV 률이 다른 2 가지 시험자료에 대하여 DNN 모형의 성능 을 평가하였다. OOV 률이 낮은 자료에 대하여 글자오유률(CER)이 상대적 으로 74.4%정도, OOV 률이 높은 자료 에 대하여 39.4% 줄어들었다. 일부 응용들에서 숨은 층개수가 작은 모형들을 리용하는것이 리득일수 있으며 숨은 층개수가 많은 모형이 여러가지 변동에 더 로바스트적이라는것을 보여주었다. 저위수근사화와 공학적최량화에 의하여 모형크기와 사후확률평가시간이 15 배정도 단축되였다.