I. INTRODUCTIONGiven the recent pop

I. INTRODUCTION
Given the recent popularity of deep neural networks for
acoustic modeling, speaker adaptation of DNNs is an active
area of research [1], [2], [3], [4], [5]. However, the portability
of transform-based approaches like MLLR that work well
for Gaussian mixture models to DNNs is not straightforward.
Unlike Gaussian means or variances which can be transformed
together if they belong to the same acoustic class (phones,
HMM states or clustered versions thereof), it is hard to
find structure in the weights of a neural network . Rather,
researchers have looked at approaches analogous to MAP for
GMMs where the weights of the network are updated directly
using the adaptation data of a given speaker. The problem
with this approach is that the number of parameters that are
updated far exceeds the amount of adaptation data available
which can lead to overfitting and some form of regularization
is necessary [5]. Alternatively, [2] have looked at adapting
only the biases. Another approach suggested in [1] is to add
a linear layer between the frames and the input layer that can
be trained similar to FMLLR (although with a cross-entropy
criterion instead of ML)

ผลลัพธ์ (ไทย) 1:

I. บทนำได้รับความนิยมล่าสุดของเครือข่ายประสาทลึกสำหรับอคูสติกโมเดล ปรับลำโพงของ DNNs ถูกใช้งานอยู่พื้นที่วิจัย [1], [2], [3], [4], [5] อย่างไรก็ตาม พกพาของวิธีการแปลงเช่น MLLR ที่ทำงานได้ดีสำหรับรูปแบบ Gaussian ผสมกับ DNNs ไม่ได้ตรงไปตรงมาซึ่งแตกต่างจากวิธี Gaussian หรือผลต่าง ที่สามารถแปลงร่วมกันถ้าพวกเขาอยู่ในชั้นระดับเดียวกัน (โทรศัพท์HMM อเมริกาหรือคลัสเตอร์รุ่นดังกล่าว), ยากค้นหาโครงสร้างในน้ำหนักของเครือข่ายประสาท ค่อนข้างนักวิจัยได้มองแนวทางที่คล้ายคลึงกับแผนที่GMMs ที่น้ำหนักของเครือข่ายมีการปรับปรุงโดยตรงใช้ข้อมูลการปรับตัวของลำโพงที่กำหนด ปัญหาด้วยวิธีการนี้คือจำนวนพารามิเตอร์ที่การปรับปรุงมากเกินจำนวนปรับข้อมูลซึ่งสามารถนำไปสู่ overfitting และรูปแบบของ regularizationจำเป็น [5] หรือ, [2] ได้ดูที่การดัดแปลงเท่านั้นยอม [1] การแนะนำวิธีอื่นที่จะเพิ่มชั้นเส้นระหว่างเฟรมและชั้นอินพุตที่สามารถได้รับการอบรมเหมือนกับ FMLLR (ถึงแม้ว่า มีการครอส-เกณฑ์แทน ML)

ผลลัพธ์ (ไทย) 3:

ผมแนะนำ
ได้รับความนิยมล่าสุดของเครือข่ายประสาทลึก
แบบอะคูสติก , ลำโพง การปรับตัวของ dnns เป็นพื้นที่ปราดเปรียว
1 [ 1 ] , [ 2 ] , [ 3 ] , [ 4 ] , [ 5 ] อย่างไรก็ตาม การพกพา
ของแปลงตามวิธีที่ชอบ mllr งานดี
สำหรับรุ่นที่ผสมเพื่อ dnns เสียนไม่ตรงไปตรงมา ซึ่งแตกต่างจากวิธีเกาส์หรือความแปรปรวน

ซึ่งสามารถแปลงด้วยกัน ถ้าพวกเขาอยู่ในชั้นเรียนเดียวกัน อะคูสติก ( โทรศัพท์ ,
- สหรัฐอเมริกา หรือแบบรุ่นของมัน ) มันก็ยาก

หาโครงสร้างในน้ำหนักของเครือข่ายประสาท แต่นักวิจัยยังมองแนว

gmms คล้ายคลึงกับแผนที่ที่น้ำหนักของเครือข่ายปรับปรุงได้โดยตรง โดยใช้ข้อมูลจาก
ปรับให้ลำโพง ปัญหา
ด้วยวิธีการนี้คือ จำนวนของพารามิเตอร์ที่
ปรับปรุงเกินปริมาณของข้อมูลซึ่งจะนำไปสู่การปรับตัวของ
overfitting และบางรูปแบบของผิดกฎหมาย
จำเป็น [ 5 ] หรือ [ 2 ] มองการปรับตัว
เพียง biases อีกวิธีแนะนำใน [ 1 ] เพื่อเพิ่ม
เส้นชั้นระหว่างเฟรม และใส่เลเยอร์ที่สามารถ
ฝึกคล้ายกับ fmllr ( แม้ว่ากับครอสเอนโทรปี
เกณฑ์แทนมิลลิลิตร )