Диссертация (Методы, алгоритмы и программные средства распознавания русской телефонной спонтанной речи), страница 25
Описание файла
Файл "Диссертация" внутри архива находится в папке "Методы, алгоритмы и программные средства распознавания русской телефонной спонтанной речи". PDF-файл из архива "Методы, алгоритмы и программные средства распознавания русской телефонной спонтанной речи", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве СПбГУ. Не смотря на прямую связь этого архива с СПбГУ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 25 страницы из PDF
Karafiát // Proc. IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU). — 2013. — P. 470–475.127. Zhang, Y. Extracting deep neural network bottleneck features using low-rank matrix factorization [Text] / Y. Zhang, E. Chuangsuwanich, J. Glass // Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).
—2014. — P. 185–189.128. Pearson, K. On lines and planes of closest fit to systems of points in space [Text] /K. Pearson // Philosophical Magazine. — 1901. — Vol. 2. — P. 559–572.129. Kumar, N. Heteroscedastic discriminant analysis and reduced rank HMMs forimproved speech recognition [Text] / N. Kumar, A. Andreou // Speech Comm. —1998. — Vol. 26, no. 4. — P. 283–297.130. Yan, Z.-J. A Scalable Approach to Using DNN-Derived Features in GMM-HMMBased Acoustic Modeling For LVCSR [Text] / Z.-J. Yan, Q. Huo, J. Xu // Proc.Annual Conference of International Speech Communication Association (INTERSPEECH). — 2013.131. Incoherent training of deep neural networks to de-correlate bottleneck features forspeech recognition [Text] / Y.
Bao, H. Jiang, L. Dai, C. Liu // Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). —2013. — P. 6980–6984.132. Tuske, Z. Deep hierarchical bottleneck MRASTA features for LVCSR [Text] /Z. Tuske, R. Schluter, H. Ney // Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).
— 2013. — P. 6970–6974.147133. BUT BABEL system for spontaneous Cantonese [Text] / M. Karafiát, F. Grézl,M. Hannemann [et al.] // Proc. Annual Conference of International Speech Communication Association (INTERSPEECH). — 2013. — P. 2589–2593.134. Grézl, F. Adaptation of multilingual stacked bottle-neck neural network structurefor new language [Text] / F. Grézl, M. Karafiát, K. Veselý // Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). —2014. — P.
7654–7658.135. But neural network features for spontaneous Vietnamese in BABEL [Text] /M. Karafiát, F. Grézl, M. Hannemann, J. Černocký // Proc. IEEE InternationalConference on Acoustics, Speech and Signal Processing (ICASSP). — 2014. —P. 5622–5626.136. Low-rank matrix factorization for deep neural network training with highdimensional output targets [Text] / T.
Sainath, B. Kingsbury, V. Sindhwani[et al.] // Proc. IEEE International Conference on Acoustics, Speech and SignalProcessing (ICASSP). — 2013. — P. 6655––6659.137. Кудашев, О. Ю. Система разделения дикторов на основе вероятностноголинейного дискриминантного анализа [Текст] : Дисссертация на соискание ученой степени кандидата технических наук : 05.13.11 / О. Ю. Кудашев ; Санкт-Петербургский национальный исследовательский университетинформационных технологий, механики и оптики. –– СПб : [б.
и.], 2014.138. SRILM — The SRI Language Modeling Toolkit [Electronic resource]. —2016. — URL: http://www.speech.sri.com/projects/srilm/ (online; accessed:22.01.2016).139. Nouza, J. Adapting Lexical and Language models for Transcription of HighlySpontaneous Spoken Czech [Text] / J. Nouza, J. Silovský // Text, Speech andDialogue, Lecture Notes in Computer Science. — 2010.
— Vol. 6231. — P. 377–384.140. Recent advances in deep learning for speech research at Microsoft [Text] /L. Deng, J. Li, J.-T. Huang [et al.] // Proc. IEEE International Conference onAcoustics, Speech and Signal Processing (ICASSP). — 2013. — P. 8604–8608.148141. Yoshioka, T. Investigation of unsupervised adaptation of DNN acoustic modelswith filter bank input [Text] / T.
Yoshioka, A. Ragni, M. Gales // Proc. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). —2014. — P. 6344–6348.142. CUDA Parallel Computing Platform [Electronic resource]. — 2016. —URL: http://www.nvidia.com/object/cuda_home_new.html (online; accessed:07.02.2016).143. Microsoft Visual Studio [Electronic resource]. — 2016. — URL: http://www.visualstudio.com/ (online; accessed: 07.02.2016).144.
GNU Compiler Collection [Electronic resource]. — 2016. — URL: https://gcc.gnu.org/ (online; accessed: 07.02.2016).145. CMake [Electronic resource]. — 2016. — URL: http://www.cmake.org/ (online;accessed: 07.02.2016).146. Intel® Math Kernel Library [Electronic resource]. — 2016. — URL: https://software.intel.com/en-us/intel-mkl (online; accessed: 07.02.2016)..