JP2015501012A - 演算論理ユニットアーキテクチャ - Google Patents
演算論理ユニットアーキテクチャ Download PDFInfo
- Publication number
- JP2015501012A JP2015501012A JP2014547557A JP2014547557A JP2015501012A JP 2015501012 A JP2015501012 A JP 2015501012A JP 2014547557 A JP2014547557 A JP 2014547557A JP 2014547557 A JP2014547557 A JP 2014547557A JP 2015501012 A JP2015501012 A JP 2015501012A
- Authority
- JP
- Japan
- Prior art keywords
- value
- module
- apu
- feature vector
- gaussian probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000013598 vector Substances 0.000 claims abstract description 179
- 238000009826 distribution Methods 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 120
- 238000004364 calculation method Methods 0.000 claims abstract description 71
- 230000001131 transforming effect Effects 0.000 claims 1
- AZQWKYJCGOJGHM-UHFFFAOYSA-N 1,4-benzoquinone Chemical compound O=C1C=CC(=O)C=C1 AZQWKYJCGOJGHM-UHFFFAOYSA-N 0.000 description 132
- 238000012545 processing Methods 0.000 description 86
- 230000008569 process Effects 0.000 description 75
- 230000006870 function Effects 0.000 description 55
- 238000012546 transfer Methods 0.000 description 31
- 239000000872 buffer Substances 0.000 description 27
- 238000004891 communication Methods 0.000 description 26
- 238000003860 storage Methods 0.000 description 19
- 238000011156 evaluation Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 14
- 238000003909 pattern recognition Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 238000012854 evaluation process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 5
- 238000007792 addition Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003071 parasitic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- LHMQDVIHBXWNII-UHFFFAOYSA-N 3-amino-4-methoxy-n-phenylbenzamide Chemical compound C1=C(N)C(OC)=CC=C1C(=O)NC1=CC=CC=C1 LHMQDVIHBXWNII-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005549 size reduction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Complex Calculations (AREA)
- Machine Translation (AREA)
- User Interface Of Digital Computer (AREA)
- Artificial Intelligence (AREA)
- Telephone Function (AREA)
Abstract
Description
図1は、本発明の一実施形態に従った音声認識プロセス100の一例のフローチャートの例示である。音声認識プロセス100は、信号処理段110、音響モデリング段120、音素評価段130、及び単語モデリング段140を含む。
図2は従来の音声認識システム200の例示である。音声認識システム200は、入力デバイス210、処理ユニット220、メモリデバイス230、及びデータバス240を含み、これらは全て別個の物理コンポーネントである。メモリデバイス230は、例えば処理ユニット220の外部にありデータバス240を介して処理ユニット220と通信状態にあるダイナミックランダムアクセスメモリ(DRAM)デバイスとすることができる。また、入力デバイス210もデータバス240を介して処理ユニット220と通信状態にある。データバス240は、例えば8から32ビットの典型的なバス幅を有する。
本発明の実施形態は、図2及び図3の従来の音声認識システム200及び300に関して上述した問題に対処する。一実施形態において、音響モデリングプロセスは、専用の処理ユニット(本明細書では「音響処理ユニット」又は「APU」とも称する)によって実行する。APUは、図3の処理ユニット220(本明細書では「中央処理装置」又は「CPU」とも称する)と連動して動作する。例えばAPUは、CPUから1つ以上の特徴ベクトル(例えば図3の特徴ベクトル315)を受信し、1つ以上のガウス確率分布に基づいてシノンスコア(例えば図3のシノンスコア325)を算出し、このシノンスコアをCPUに出力する。一実施形態において、1つ以上のガウス確率分布はAPUに記憶することができる。あるいは、別の実施形態では、1つ以上のガウス確率分布はAPUの外部に記憶することができ、この場合APUは外部のメモリデバイスから1つ以上のガウス確率分布を受信する。以下で詳述するAPUのアーキテクチャに基づいて、シノンスコアの算出の高速化が達成される。
一実施形態において、APU及びCPUは、SPIバス、PCIバス、API(Application Programming Interface)バス、AMBA AHB(Advanced Microcontroller Bus Architecture High-Performance Bus)、APB(Advanced Peripheral Bus)、メモリバス、又は他のいずれかのタイプのバスを介して相互に通信状態とすることができる。図4の音声認識プロセス400のためのシステムバスアーキテクチャの例示的かつ非限定的な実施形態について、以下で詳述する。
図8は、音声認識システム800のためのシステムレベルアーキテクチャの一実施形態の例示である。音声認識システム800は、APU810、メモリコントローラ820、不揮発性メモリデバイス830、及び揮発性メモリデバイス840を含む。メモリコントローラ820は、バス815を介してAPU810に通信可能に接続され、バス825(これはいくつかの実施形態において2つ以上のバスを表す場合がある)を介して不揮発性メモリデバイス830及び揮発性メモリデバイス850に接続される。一実施形態において、APU810及びメモリコントローラ820はシングルチップ上に集積される。あるいは、一実施形態において、APU810及びメモリコントローラ820は別個のチップ上に集積される。不揮発性メモリデバイス830は、NANDメモリモジュール、NORメモリモジュール、又は別のタイプの不揮発性メモリデバイスとすることができる。一実施形態において、揮発性メモリデバイス840はDRAMデバイスとすることができる。更に、本発明の一実施形態に従って、APU810は、例えば図5から図7に関して上述したバスアーキテクチャの1つを用いて、CPU(図8には図示せず)と通信を行うことができる。
図14はAPU1400の一実施形態の例示である。一実施形態において、APU1400は、メモリモジュール1420及びシノンスコアリングユニット(SSU)1430を含む集積チップである。別の実施形態においては、メモリモジュール1420及びSSU1430は2つの別個のチップ上に集積することができる。
図18は、本発明の一実施形態に従ったAPU1800のブロック図である。一実施形態では、図18のアーキテクチャに従ってALU16301〜16308の1つ以上を実施可能である。ALU1800は、特徴ベクトルとガウス確率分布ベクトルとの間の一次元距離スコアを計算するように構成されている。例えばALU1800は、以下のように一次元距離スコアを計算するように構成することができる。
Δij=xi−μijであり、
varijは、j番目のガウス確率分布ベクトルのi次元の分散値であり、
M1及びM2は倍率であり、
Cは定数であり、
xiはi次元における特徴ベクトルの値であり、
μijは、j番目のガウス確率分布ベクトルのi次元の平均値である。
A.システムの概要
図22は、本発明の一実施形態に従った音響処理システム2200のブロック図である。音響処理システムは、中央処理装置(CPU)2210及び音響処理ユニット(APU)2220を含む。CPU2210上で実行しているのは、アプリケーション2212、音声認識エンジン2214、及びAPI2216である。音声認識エンジン2214は、少なくとも2つのスレッドすなわちサーチスレッド2250及び距離スレッド2260を含むプロセスである。
図25は、本発明の一実施形態に従ったAPUソフトウェアスタック2500を示すブロック図である。ソフトウェアスタック2500は、例えば図22を参照して説明した音響処理システム2200のような音響処理システムのコンポーネント間の通信を概念的に説明するために用いることができる。スタック2500は、アプリケーション2502、音声認識エンジン2504、アプリケーションプログラミングインタフェース(API)2550、SPIバスコントローラ2512、SPIバス2514、及びAPU2516を含む。API2550は、汎用DCA2506、ローレベルドライバ(LLD)2508、及びハードウェア抽象レイヤ(HAL)2510を含む。一実施形態において、アプリケーション2502、音声認識エンジン2504、API2550、及びAPU2516は、それぞれ図22のアプリケーション2212、音声認識エンジン2214、API2216、及びAPU2220に対応することができる。
一実施形態において、アプリケーション2502又は音声認識エンジン2504によって実行されているスレッドとは別個のスレッド(例えば実行可能プロセス)を、APU2516のために生成することができる。別個のスレッドのため、依存性(第1の動作主(actor)の別のアクションが第2の動作主のアクションに依存すること)は存在してはならない。アプリケーション2502及び音声認識エンジン2504とAPU2516との間の依存性をなくすことによって、アプリケーション2502及び音声認識エンジン2504はAPU2516と並列に動作することができる。1つの例示的な実施形態において、アプリケーション2502及び音声認識エンジン2504とAPU2516との間の依存性は、例えば約10〜12ms継続するフレームの使用によって回避することができる(が、本発明はこの実施形態に限定されない)。例えばアプリケーション2502はフレームnについてのシノンスコアを用いているが、APU2516はフレームn+1についてのシノンスコアを実行している場合がある。
本発明の様々な態様は、ソフトウェア、ファームウェア、ハードウェア、又はそれらの組み合わせにおいて実施することができる。図28は、本発明の実施形態又はその一部をコンピュータ読み取り可能コードとして実施可能である一例のコンピュータシステム2800の例示である。例えば、図9のフローチャート900によって示した方法、図17のフローチャート1700によって示した方法、図21のフローチャート2100によって示した方法、図25に示したソフトウェアスタック2500、及び/又は図27のフローチャート2700によって示した方法を、システム2800において実施可能である。本発明の様々な実施形態は、この例示のコンピュータシステム2800の観点で説明している。この記載を読んだ後、他のコンピュータシステム及び/又はコンピュータアーキテクチャを用いてどのように本発明の実施形態を実施するかについても当業者に明らかとなるであろう。
特許請求の範囲の解釈に用いることが意図されるのは、「発明の概要」及び「要約書」の節でなく「発明を実施するための形態」の節であることは認められよう。「発明の概要」及び「要約書」の節が説明し得るのは、本発明者等が想定する本発明の例示的な実施形態の1つ以上であるが全てではなく、従ってこれらの節はいかなる点でも本発明及び添付の特許請求の範囲を限定することは意図していない。
Claims (17)
- 特徴ベクトルとガウス確率分布ベクトルとの間の1次元スコアを計算するための演算論理ユニットであって、
前記ガウス確率分布ベクトルの次元に関連付けられた平均値及び分散値並びに特徴ベクトルの次元に基づいた第1の値を計算するように構成された計算論理ユニットと、
前記分散値に基づいた第2の値を出力するように構成されたルックアップテーブルモジュールと、
前記第1の値及び前記第2の値を組み合わせて前記1次元スコアを生成するように構成された組み合わせモジュールと、
を備える、演算論理ユニット。 - 前記第1の値及び前記第2の値が同一のビット数を用いて表される、請求項1に記載の演算論理ユニット。
- 前記計算論理ユニットが、前記特徴ベクトルの前記1次元の値と前記平均値との間の差を計算するように構成された減算モジュールを備え、前記差が正である、請求項1に記載の演算論理ユニット。
- 前記計算論理ユニットが、前記分散値に基づいた第3の値を出力するように構成されたルックアップテーブルを更に備える、請求項3に記載の演算論理ユニット。
- 前記計算論理ユニットが、前記差の二乗及び前記第3の値の積として前記第1の値を計算するように構成される、請求項4に記載の演算論理ユニット。
- 前記計算論理ユニットが、前記平均値、前記分散値、及び前記特徴ベクトルの前記次元の特定の値について前記第1の値を出力するように構成された例外処理モジュールを備える、請求項1に記載の演算論理ユニット。
- 前記計算論理ユニットが、前記特徴ベクトルの前記次元を倍率でスケーリングするように構成された特徴ベクトル変換モジュールを備える、請求項1に記載の演算論理ユニット。
- 前記組み合わせモジュールが、
前記第1及び前記第2の値の和を計算するように構成された加算器と、
前記和の小数点の右側にゼロビットが存在するように前記和をシフトさせるように構成されたシフトモジュールと、
を備える、請求項1に記載の演算論理ユニット。 - 前記ルックアップテーブルモジュールが、
lutij=(ln(varij)−C)×M1
によって与えられる値lutijを出力するように構成されたルックアップテーブルを備え、ここで、
varijは、j番目のガウス確率分布ベクトルのi次元の分散値であり、
M1は倍率であり、
Cは定数である、請求項1に記載の演算論理ユニット。 - 前記第1の値が、
xiは、i番目の特徴ベクトル次元の値であり、
μijは、j番目のガウス確率分布ベクトルのi次元の平均値であり、
varijは、j番目のガウス確率分布ベクトルのi次元の分散値であり、
M2は重み付け係数である、請求項1に記載の演算論理ユニット。 - 特徴ベクトルとガウス確率分布ベクトルとの間の1次元距離スコアを計算する方法であって、
前記ガウス確率分布ベクトルの次元に関連付けられた平均値及び分散値並びに特徴ベクトルの次元に基づいた第1の値を計算することと、
前記分散値に基づいた第2の値をルックアップテーブルモジュールから検索することと、
前記第1の値及び前記第2の値を組み合わせて前記1次元スコアを生成することと、
を有する、方法。 - 前記計算することが前記特徴ベクトルの前記次元と前記平均値との間の差を計算することを有する、請求項11に記載の方法。
- 前記計算することが、前記分散値に基づいた第3の値を第2のルックアップテーブルから検索することを有する、請求項11に記載の方法。
- 前記計算することが、前記差の二乗及び前記第3の値の積として前記第1の値を計算することを有する、請求項11に記載の方法。
- 前記計算することの前に、その次元についての前記特徴ベクトルモジュールの前記値を、倍率を用いて変換することを更に有する、請求項11に記載の方法。
- 前記ルックアップテーブルモジュールが、
lutij=(ln(varij)−C)×M1
によって与えられる値lutijを出力するように構成されたルックアップテーブルを備え、ここで、
varijは、j番目のガウス確率分布ベクトルのi次元の分散値であり、
M1は倍率であり、
Cは定数である、請求項11に記載の方法。 - 前記第1の値が、
xiは、i番目の特徴ベクトル次元の値であり、
μijは、j番目のガウス確率分布ベクトルのi次元の平均値であり、
varijは、j番目のガウス確率分布ベクトルのi次元の分散値であり、
M2は重み付け係数である、請求項11に記載の方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161577595P | 2011-12-19 | 2011-12-19 | |
US61/577,595 | 2011-12-19 | ||
US201261589113P | 2012-01-20 | 2012-01-20 | |
US61/589,113 | 2012-01-20 | ||
US13/490,129 | 2012-06-06 | ||
US13/490,129 US8924453B2 (en) | 2011-12-19 | 2012-06-06 | Arithmetic logic unit architecture |
PCT/US2012/070332 WO2013096303A1 (en) | 2011-12-19 | 2012-12-18 | Arithmetic logic unit architecture |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015501012A true JP2015501012A (ja) | 2015-01-08 |
JP6138148B2 JP6138148B2 (ja) | 2017-05-31 |
Family
ID=48611061
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014547494A Pending JP2015505993A (ja) | 2011-12-19 | 2012-12-14 | 音響処理ユニット |
JP2014547557A Active JP6138148B2 (ja) | 2011-12-19 | 2012-12-18 | 演算論理ユニットアーキテクチャ |
JP2014547556A Pending JP2015501011A (ja) | 2011-12-19 | 2012-12-18 | 音響処理ユニットインタフェース |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014547494A Pending JP2015505993A (ja) | 2011-12-19 | 2012-12-14 | 音響処理ユニット |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014547556A Pending JP2015501011A (ja) | 2011-12-19 | 2012-12-18 | 音響処理ユニットインタフェース |
Country Status (6)
Country | Link |
---|---|
US (3) | US9785613B2 (ja) |
EP (3) | EP2795614A4 (ja) |
JP (3) | JP2015505993A (ja) |
KR (3) | KR20140106723A (ja) |
CN (3) | CN104126200A (ja) |
WO (3) | WO2013096124A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9514739B2 (en) * | 2012-06-06 | 2016-12-06 | Cypress Semiconductor Corporation | Phoneme score accelerator |
US10007724B2 (en) * | 2012-06-29 | 2018-06-26 | International Business Machines Corporation | Creating, rendering and interacting with a multi-faceted audio cloud |
DE102013206292A1 (de) * | 2013-04-10 | 2014-10-16 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erstellen eines datenbasierten Funktionsmodells |
DE102013206320A1 (de) * | 2013-04-10 | 2014-10-16 | Robert Bosch Gmbh | Verfahren und Steuergerät zur Berechnung eines datenbasierten Funktionsmodells |
JP6052814B2 (ja) * | 2014-09-24 | 2016-12-27 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 音声認識モデルの構築方法、音声認識方法、コンピュータ・システム、音声認識装置、プログラムおよび記録媒体 |
KR102299330B1 (ko) * | 2014-11-26 | 2021-09-08 | 삼성전자주식회사 | 음성 인식 방법 및 그 전자 장치 |
CN105869641A (zh) * | 2015-01-22 | 2016-08-17 | 佳能株式会社 | 语音识别装置及语音识别方法 |
US9721569B2 (en) * | 2015-05-27 | 2017-08-01 | Intel Corporation | Gaussian mixture model accelerator with direct memory access engines corresponding to individual data streams |
US10587464B2 (en) * | 2017-07-21 | 2020-03-10 | Accenture Global Solutions Limited | Automatic provisioning of a software development environment |
US11043218B1 (en) * | 2019-06-26 | 2021-06-22 | Amazon Technologies, Inc. | Wakeword and acoustic event detection |
WO2021033889A1 (en) | 2019-08-20 | 2021-02-25 | Samsung Electronics Co., Ltd. | Electronic device and method for controlling the electronic device |
CN112307986B (zh) * | 2020-11-03 | 2022-02-08 | 华北电力大学 | 一种利用高斯梯度的负荷开关事件检测方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08110793A (ja) * | 1994-07-29 | 1996-04-30 | Microsoft Corp | 特性ベクトルの前端正規化による音声認識の改良方法及びシステム |
JPH1063291A (ja) * | 1996-05-01 | 1998-03-06 | Microsoft Corp | 連続密度ヒドンマルコフモデルを用いた音声認識方法及び装置 |
WO2002029617A1 (en) * | 2000-09-30 | 2002-04-11 | Intel Corporation (A Corporation Of Delaware) | Method, apparatus, and system for building a compact model for large vocabulary continuous speech recognition (lvcsr) system |
WO2003036618A1 (en) * | 2001-10-22 | 2003-05-01 | Dspfactory Ltd. | Method and system for real-time speech recognition |
US7295978B1 (en) * | 2000-09-05 | 2007-11-13 | Verizon Corporate Services Group Inc. | Systems and methods for using one-dimensional gaussian distributions to model speech |
US20070288242A1 (en) * | 2006-06-12 | 2007-12-13 | Lockheed Martin Corporation | Speech recognition and control system, program product, and related methods |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01298400A (ja) * | 1988-05-26 | 1989-12-01 | Ricoh Co Ltd | 連続音声認識装置 |
JPH04232998A (ja) * | 1990-12-27 | 1992-08-21 | Nec Corp | 音声認識装置 |
CN1112269A (zh) * | 1994-05-20 | 1995-11-22 | 北京超凡电子科技有限公司 | 基于汉语发音特点的hmm语音识别技术 |
US5864810A (en) * | 1995-01-20 | 1999-01-26 | Sri International | Method and apparatus for speech recognition adapted to an individual speaker |
US5710866A (en) * | 1995-05-26 | 1998-01-20 | Microsoft Corporation | System and method for speech recognition using dynamically adjusted confidence measure |
CN1061451C (zh) * | 1996-09-26 | 2001-01-31 | 财团法人工业技术研究院 | 隐藏式马可夫模型的中文词音识别方法 |
US6542866B1 (en) * | 1999-09-22 | 2003-04-01 | Microsoft Corporation | Speech recognition method and apparatus utilizing multiple feature streams |
JP3932789B2 (ja) * | 2000-09-20 | 2007-06-20 | セイコーエプソン株式会社 | Hmmの出力確率計算方法および音声認識装置 |
US6990447B2 (en) * | 2001-11-15 | 2006-01-24 | Microsoft Corportion | Method and apparatus for denoising and deverberation using variational inference and strong speech models |
US20030097263A1 (en) * | 2001-11-16 | 2003-05-22 | Lee Hang Shun | Decision tree based speech recognition |
US7006972B2 (en) * | 2002-03-20 | 2006-02-28 | Microsoft Corporation | Generating a task-adapted acoustic model from one or more different corpora |
US7031918B2 (en) * | 2002-03-20 | 2006-04-18 | Microsoft Corporation | Generating a task-adapted acoustic model from one or more supervised and/or unsupervised corpora |
US7571097B2 (en) * | 2003-03-13 | 2009-08-04 | Microsoft Corporation | Method for training of subspace coded gaussian models |
US7454336B2 (en) * | 2003-06-20 | 2008-11-18 | Microsoft Corporation | Variational inference and learning for segmental switching state space models of hidden speech dynamics |
US7480615B2 (en) * | 2004-01-20 | 2009-01-20 | Microsoft Corporation | Method of speech recognition using multimodal variational inference with switching state space models |
US7231019B2 (en) * | 2004-02-12 | 2007-06-12 | Microsoft Corporation | Automatic identification of telephone callers based on voice characteristics |
US20060058999A1 (en) * | 2004-09-10 | 2006-03-16 | Simon Barker | Voice model adaptation |
GB0420464D0 (en) | 2004-09-14 | 2004-10-20 | Zentian Ltd | A speech recognition circuit and method |
WO2006075648A1 (ja) * | 2005-01-17 | 2006-07-20 | Nec Corporation | 音声認識システム、音声認識方法及び音声認識プログラム |
US7693713B2 (en) * | 2005-06-17 | 2010-04-06 | Microsoft Corporation | Speech models generated using competitive training, asymmetric training, and data boosting |
KR100664960B1 (ko) * | 2005-10-06 | 2007-01-04 | 삼성전자주식회사 | 음성 인식 장치 및 방법 |
KR100764247B1 (ko) | 2005-12-28 | 2007-10-08 | 고려대학교 산학협력단 | 2단계 탐색을 이용한 음성인식 장치 및 그 방법 |
EP1840822A1 (en) * | 2006-03-29 | 2007-10-03 | Sony Deutschland Gmbh | Method for deriving noise statistical properties of a signal |
US7844456B2 (en) * | 2007-03-09 | 2010-11-30 | Microsoft Corporation | Grammar confusability metric for speech recognition |
KR100974871B1 (ko) * | 2008-06-24 | 2010-08-11 | 연세대학교 산학협력단 | 특징 벡터 선택 방법 및 장치, 그리고 이를 이용한 음악장르 분류 방법 및 장치 |
WO2010042631A2 (en) | 2008-10-10 | 2010-04-15 | Fastow Richard M | Real-time data pattern analysis system and method of operation thereof |
US8818802B2 (en) | 2008-10-10 | 2014-08-26 | Spansion Llc | Real-time data pattern analysis system and method of operation thereof |
JP5609182B2 (ja) * | 2010-03-16 | 2014-10-22 | 日本電気株式会社 | 音声認識装置、音声認識方法および音声認識プログラム |
US9031844B2 (en) * | 2010-09-21 | 2015-05-12 | Microsoft Technology Licensing, Llc | Full-sequence training of deep structures for speech recognition |
-
2012
- 2012-06-06 US US13/490,124 patent/US9785613B2/en active Active
- 2012-06-06 US US13/489,799 patent/US20130158996A1/en not_active Abandoned
- 2012-06-06 US US13/490,129 patent/US8924453B2/en active Active
- 2012-12-14 WO PCT/US2012/069787 patent/WO2013096124A1/en active Application Filing
- 2012-12-14 CN CN201280070070.3A patent/CN104126200A/zh active Pending
- 2012-12-14 EP EP12859602.0A patent/EP2795614A4/en not_active Ceased
- 2012-12-14 JP JP2014547494A patent/JP2015505993A/ja active Pending
- 2012-12-14 KR KR1020147020293A patent/KR20140106723A/ko not_active Application Discontinuation
- 2012-12-18 JP JP2014547557A patent/JP6138148B2/ja active Active
- 2012-12-18 KR KR1020147020295A patent/KR102048893B1/ko active IP Right Grant
- 2012-12-18 CN CN201280070112.3A patent/CN104126165A/zh active Pending
- 2012-12-18 EP EP12860893.2A patent/EP2795615A4/en not_active Withdrawn
- 2012-12-18 KR KR1020147020294A patent/KR20140106724A/ko not_active Application Discontinuation
- 2012-12-18 EP EP12859642.6A patent/EP2795461A4/en not_active Withdrawn
- 2012-12-18 JP JP2014547556A patent/JP2015501011A/ja active Pending
- 2012-12-18 CN CN201280070114.2A patent/CN104137178B/zh active Active
- 2012-12-18 WO PCT/US2012/070332 patent/WO2013096303A1/en active Application Filing
- 2012-12-18 WO PCT/US2012/070329 patent/WO2013096301A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08110793A (ja) * | 1994-07-29 | 1996-04-30 | Microsoft Corp | 特性ベクトルの前端正規化による音声認識の改良方法及びシステム |
JPH1063291A (ja) * | 1996-05-01 | 1998-03-06 | Microsoft Corp | 連続密度ヒドンマルコフモデルを用いた音声認識方法及び装置 |
US7295978B1 (en) * | 2000-09-05 | 2007-11-13 | Verizon Corporate Services Group Inc. | Systems and methods for using one-dimensional gaussian distributions to model speech |
WO2002029617A1 (en) * | 2000-09-30 | 2002-04-11 | Intel Corporation (A Corporation Of Delaware) | Method, apparatus, and system for building a compact model for large vocabulary continuous speech recognition (lvcsr) system |
WO2003036618A1 (en) * | 2001-10-22 | 2003-05-01 | Dspfactory Ltd. | Method and system for real-time speech recognition |
US20070288242A1 (en) * | 2006-06-12 | 2007-12-13 | Lockheed Martin Corporation | Speech recognition and control system, program product, and related methods |
Also Published As
Publication number | Publication date |
---|---|
KR20140106723A (ko) | 2014-09-03 |
WO2013096303A1 (en) | 2013-06-27 |
US20130158997A1 (en) | 2013-06-20 |
KR20140106724A (ko) | 2014-09-03 |
CN104137178B (zh) | 2018-01-19 |
WO2013096301A1 (en) | 2013-06-27 |
US20130158996A1 (en) | 2013-06-20 |
US9785613B2 (en) | 2017-10-10 |
CN104137178A (zh) | 2014-11-05 |
EP2795461A1 (en) | 2014-10-29 |
KR102048893B1 (ko) | 2019-11-26 |
US8924453B2 (en) | 2014-12-30 |
US20130159371A1 (en) | 2013-06-20 |
EP2795461A4 (en) | 2015-08-12 |
CN104126165A (zh) | 2014-10-29 |
EP2795614A4 (en) | 2015-07-22 |
CN104126200A (zh) | 2014-10-29 |
KR20140107537A (ko) | 2014-09-04 |
JP6138148B2 (ja) | 2017-05-31 |
EP2795614A1 (en) | 2014-10-29 |
JP2015501011A (ja) | 2015-01-08 |
EP2795615A1 (en) | 2014-10-29 |
JP2015505993A (ja) | 2015-02-26 |
EP2795615A4 (en) | 2016-01-13 |
WO2013096124A1 (en) | 2013-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6138148B2 (ja) | 演算論理ユニットアーキテクチャ | |
US10949736B2 (en) | Flexible neural network accelerator and methods therefor | |
US8566259B2 (en) | Method and system for parallel statistical inference on highly parallel platforms | |
US20180350351A1 (en) | Feature extraction using neural network accelerator | |
US8818802B2 (en) | Real-time data pattern analysis system and method of operation thereof | |
You et al. | Parallel scalability in speech recognition | |
US20230402028A1 (en) | Unsupervised alignment for text to speech synthesis using neural networks | |
US9514739B2 (en) | Phoneme score accelerator | |
He et al. | A 40 nm 144 mW VLSI processor for real-time 60-kWord continuous speech recognition | |
Lin et al. | A multi-FPGA 10x-real-time high-speed search engine for a 5000-word vocabulary speech recognizer | |
Price | Energy-scalable speech recognition circuits | |
You et al. | Memory access optimized VLSI for 5000-word continuous speech recognition | |
Yazdani et al. | LAWS: locality-aware scheme for automatic speech recognition | |
Buthpitiya et al. | A parallel implementation of viterbi training for acoustic models using graphics processing units | |
You et al. | Flexible and expandable speech recognition hardware with weighted finite state transducers | |
Cheng et al. | Speech recognition system for embedded real-time applications | |
US20240112021A1 (en) | Automatic speech recognition with multi-frame blank decoding using neural networks for conversational ai systems and applications | |
Tambe | Architecting High Performance Silicon Systems for Accurate and Efficient On-Chip Deep Learning | |
Chong et al. | An automatic speech recognition application framework for highly parallel implementations on the gpu |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151106 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20160118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170309 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6138148 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |