en fr Evolutionary algorithms to study the robustness of speech recognition Algorithmes évolutionnaires pour létude de la robustesse des systèmes de reconnaissance de la parole Report as inadecuate




en fr Evolutionary algorithms to study the robustness of speech recognition Algorithmes évolutionnaires pour létude de la robustesse des systèmes de reconnaissance de la parole - Download this document for free, or read online. Document in PDF available to download.

1 CLIPS - IMAG - Communication Langagière et Interaction Personne-Système

Abstract : Automatic speech recognition systems are becoming ever more common and are increasingly deployed in more variable acoustic conditions, by very different speakers. So these systems, generally conceived in a laboratory, must be robust in order to provide optimal performance in real situations. This ph-D explores the possibility of gaining robustness by designing speech recognition systems able to auto-modify in real time, in order to adapt to the changes of acoustic environment. As a starting point, the adaptive capacities of living organisms were considered in relation to their environment. Analogues of these mechanisms were then applied to automatic speech recognition systems. It appeared to be interesting to imagine a system adapting to the changing acoustic conditions in order to remain effective regardless of its conditions of use. Initially, the speech recognition system itself was adapted to various environments. Its capacity to adapt to the changes of acoustic conditions was studied, using a local approach by retro-propagation of the gradient and a global solution by evolutionary algorithms, in order to find an optimal system. Secondly, the specific aspects of the system-s input data processing were examined. A projection base adapted to each environment was sought, based on a principal component analysis of acoustic data, using evolutionary algorithms to set the system-s knowledge of acoustic conditions. A simulation platform was set up, to allow the evolution of populations of recognition systems. Results obtained show that on average the hybridization of the evolutionary algorithms and traditional techniques of recognition improves the performance of the speech recognition system.

Résumé : Les systèmes de reconnaissance automatique de la parole sont de plus en plus répandus et utilisés dans des conditions acoustiques très variées, par des locuteurs très différents. De ce fait, ces systèmes, généralement conçus en laboratoire, doivent être robustes afin de garder des performances optimales en situation réelle. Les travaux que nous avons effectués sont partis de l-idée que si les systèmes de reconnaissance étaient capables de s-auto-modifier dans le temps, afin de s-adapter aux changements de leurs environnements acoustiques, ils pourraient être beaucoup plus robustes. En effet, les organismes vivants ont montré à la fois des capacités à sélectionner les informations utiles et à modifier leur traitement en vue de survivre dans leur environnement. Dans un premier temps, nous avons cherché à adapter le système de reconnaissance lui-même aux différents environnements. Nous avons étudié les capacités du système à s-adapter aux changements de conditions acoustiques, à l-aide d-une approche locale par rétro-propagation du gradient et d-une approche globale par algorithmes évolutionnaires, en vue de trouver un système optimal. Dans un second temps, nous nous sommes placée dans le cadre du traitement des données en entrée du système. Partant d-une base de projection issue d-une analyse en composantes principales, nous avons cherché à trouver à l-aide des algorithmes évolutionnaires une base de projection adaptée à chaque environnement rencontré et permettant de retrouver les conditions acoustiques connues du système. Nous avons mis en place une plate-forme de simulation permettant de faire évoluer des populations de systèmes de reconnaissance. Les résultats obtenus montrent qu-en moyenne l-hybridation des algorithmes évolutionnaires et des techniques de reconnaissance classiques améliore sensiblement, et de manière stable, les performances du système de reconnaissance, et ceci dans les deux types d-hybridation que nous avons testés.

en fr

Keywords : evolutionary algorithms speech recognition robustness

Mots-clés : Algorithmes évolutionnaires reconnaissance de la parole robustesse





Author: Anne Spalanzani -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents