음성 인식을 위한 심층 신경망의 노이즈 훈련

초록 심층 신경망(DNN)은 음성 인식에서 놀라운 성공을 거두었으며, 이는 복잡한 음성 신호 패턴을 학습하는 DNN 모델의 유연성에 부분적으로 기인합니다. 그러나 이러한 유연성은 심각한 과적합을 초래할 수 있으며, 고음 환경 소음과 같은 불리한 음향 조건에서 성능 저하를 일으킬 수 있습니다. 우리는 이 문제를 해결하기 위해 노이즈 훈련 접근법을 제안합니다: 훈련 데이터에 의도적으로 그리고 무작위로 중간 정도의 노이즈를 주입하여 더 일반화 가능한 DNN 모델을 학습할 수 있게 합니다. 이 ‘노이즈 주입’ 기술은 신경 계산 커뮤니티에 이미 알려져 있지만, 복잡한 목적 함수를 포함하는 DNN과 함께 연구되지 않았습니다. 본 논문에서 제시된 실험들은 노이즈 훈련 접근법이 DNN 모델에 잘 작동하며, DNN 기반 음성 인식에 상당한 성능 개선을 제공할 수 있음을 확인합니다.