 |
| ・会員価格 ¥220 |
| ・一般価格 ¥330 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
ST21001 |
| ■ページ数 |
4ページ |
■発行日
|
2021/04/20 |
| ■タイトル |
アテンション機構による音声強調ネットワークの性能改善 |
| ■タイトル(英語) |
Performance improvement of speech enhancement network using attention-mechanism |
| ■著者名 |
杉浦 陽介(埼玉大学) |
| ■著者名(英語) |
Yosuke Sugiura(Saitama University) |
| ■価格 |
会員 ¥220 一般 ¥330 |
| ■書籍種類 |
研究会(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 システム研究会 |
| ■本誌 |
2021年4月23日システム研究会
|
| ■本誌掲載ページ |
1-4ページ |
| ■原稿種別 |
日本語 |
| ■電子版へのリンク |
|
| ■キーワード |
音声強調|雑音除去|深層ニューラルネットワーク|アテンション機構|Speech Enhancement|Noise Reduction|Deep Neural Network|Attention-mechanism |
| ■要約(日本語) |
本稿では，End-to-end音声強調ネットワークの基礎的な原理と性能改善に向けたテクニックを説明する．深層学習が画像処理分野で成功してから，音声強調においても深層学習技術が積極的に導入されている．今日の音声強調ネットワークの多くは自己回帰モデルや全畳込みAutoencoderをベースとしていて，より汎化性と学習効率を向上させるためにモデル改善および学習法の工夫が行われている．ここでは，特にアテンション機構を用いたテクニックについて取り上げ，理論的な背景から今後の音声強調ネットワークにおける展望について説明する． |
| ■要約(英語) |
In this paper, we explain the basic principles and the improvement technique of the end-to-end speech enhancement network. In the research field of speech enhancement, the techniques of deep learning have been introduced actively since deep learning achieves success in the field of image processing. The most of the resent speech enhancement networks are based of a recurrent model and full-connectional autoencoder,
and both their model and training architecture have been developed to simultaneously increase the model's generalization capability and training efficiency. In this paper, especially bringing up the technique using the attention-mechanism,
we explain its theoretical background and the prospect of the speech enhancement network. |
| ■版 型 |
A4 |
| ■PDFファイルサイズ |
1,873Kバイト |
|
|
|
