VTSおよびJUDによる識別的適応トレーニング

適応トレーニングは、非均質のトレーニングデータ上で音声認識システムを構築するための強力なアプローチです。最近、共同不確実性デコーディング（JUD）やベクトルテイラー級数（VTS）など、予測モデルに基づく補償スキームに基づくアプローチが提案されています。本論文では、これらのモデルベースの補償スキームをレビューし、因子分析スタイルのシステムに関連付けます。これらのアプローチに基づく最大尤度（ML）適応トレーニングの形式が、二次最適化スキームと期待値最大化（EM）の両方に基づいて説明されます。しかし、識別的トレーニングは、最先端の音声認識で多く使用されています。したがって、本論文は、ノイズに強い音声認識のための予測モデル補償アプローチを使用した識別的適応トレーニングを提案します。このトレーニングアプローチは、最小音素誤りトレーニングを使用してJUDおよびVTS補償の両方に適用されます。大規模なマルチ環境トレーニング構成が使用され、システムは多様な車載収集データタスクで評価されます。