DNNからGMMへの概念の移植

深層ニューラルネットワーク（DNN）は、さまざまな音声認識ベンチマークにおいてガウシアン混合モデル（GMM）を上回ることが示されています。本論文では、DNNとGMMのモデリング技術の違いを分析し、DNNベースのモデリングからGMMベースのシステムに最良のアイデアを移植します。深層（複数の層）かつ広く（複数の並列サブモデル）し、モデルパラメータを共有することによって、TIMITデータベースにおける両モデリング技術のギャップを埋めることができます。『深い』GMMは最大尤度で訓練されたガウシアンを第一層として保持しているため、スピーカー適応やモデルベースのノイズ耐性などの高度な技術を容易に組み込むことができます。類似性にもかかわらず、DNNと深層GMMは効果的なシステムの組み合わせを許すために十分な補完性を示しています。