dc.contributor.advisor	Červa, Petr
dc.contributor.author	Paroubek, Martin
dc.date	2014
dc.date.accessioned	2016-07-26
dc.date.available	2016-07-26
dc.date.defense	2014-06-18
dc.date.issued	2014
dc.degree.level	mgr	cs
dc.description	54 s., 9 s. příl. :obr., tab., grafy +CD ROM	cs
dc.description.abstract	Práce se zabývala využitím nového hybridního systému DNN-HMM pro rozpoznávání řeči. V teoretické části byla představena základní problematika rozpoznávání řeči a neuronových sítí. Na základě těchto informací bylo možné představit hluboké neuronové sítě a jejich propojení s HMM systémem. Z důvodu velkého množství různých parametrů pro trénování neuronových sítí proběhla rešerše existujících postupů a jejich výsledků, kterými byla inspirována praktická část. Cílem praktické části bylo prozkoumat vliv uspořádání neuronové sítě, vliv předtrénování a vliv velikosti trénovacího korpusu na přesnost rozpoznávání. Na základě těchto výsledků byl vytvořen akustický model, který byl porovnán se současným systémem pro rozpoznávání řeči GMM-HMM. Trénování neuronových sítí probíhalo na GPU použitím modifikovaných skriptů knihovny Theano. Následné vyhodnocení bylo provedeno pomocí vlastních skriptů. K dispozici byl trénovací korpus s 56 hodinami polské řeči a vytvořené modely byly odzkoušeny na 3 testovacích sadách obsahujících publicistický a odborný styl. K porovnání výsledků byla použita tzv. accuracy. Celkem bylo takto vytvořeno více než 250 akustických modelů, které se také lišily dobou trénování, neboť kriterium ukončení trénování je stále předmětem zkoumání. Celkem doba k jejich natrénování zabrala více než 62 dní. Bylo zjištěno, že využití neuronových sítí, jakožto akustických modelů, přináší několikaprocentní zlepšení oproti současnému systému a zároveň také že diskriminativní předtrénování nemá žádný vliv na přesnost sítě. Dále byla popsána topologie s nejvyšší přesností a bylo zjištěno, že vliv množství dat v trénovacím korpusu může být závislý na kontextu testovací sady.	cs
dc.format	text
dc.identifier.signature	V 42/14 M
dc.identifier.uri	https://dspace.tul.cz/handle/15240/16749
dc.language.iso	cs
dc.publisher	Technická Univerzita v Liberci	cs
dc.relation.isreferencedby	http://knihovna-opac.tul.cz/diplomovaPrace.php?id_dipl=28789&typ=1
dc.relation.isreferencedby	http://knihovna-opac.tul.cz/diplomovaPrace.php?id_dipl=28789&typ=2
dc.relation.isreferencedby	http://knihovna-opac.tul.cz/diplomovaPrace.php?id_dipl=28789&typ=3
dc.source.uri	http://knihovna-opac.tul.cz/diplomovaPrace.php?id_dipl=28789
dc.subject	speech recognition	en
dc.subject	neural networks	en
dc.subject	rozpoznávání řeči	cs
dc.subject	neuronové sítě (počítačová věda)	cs
dc.subject.verbis	speech recognition	en
dc.title	Využití hlubokých neuronových sítí v systémech rozpoznávání řeči	cs
dc.title.alternative	Use of deep neural networks in speech recognition systems	en
dc.type	Thesis
local.department	ITE	cs
local.faculty	Fakulta mechatroniky, informatiky a mezioborových studií	cs
local.identifier.stag	28789
local.identifier.verbis	479864
local.note.administrators	oprava_A
local.verbis.aktualizace	2019-10-05 06:03:02	cs
local.verbis.studijniprogram	ITE Elektrotechnika a informatika/Informační technika	cs

Využití hlubokých neuronových sítí v systémech rozpoznávání řeči

Title Alternative:Use of deep neural networks in speech recognition systems

Files

Original bundle

Collections