JPH06161496A - 家電製品のリモコン命令語を認識するための音声認識システム - Google Patents
家電製品のリモコン命令語を認識するための音声認識システムInfo
- Publication number
- JPH06161496A JPH06161496A JP5209702A JP20970293A JPH06161496A JP H06161496 A JPH06161496 A JP H06161496A JP 5209702 A JP5209702 A JP 5209702A JP 20970293 A JP20970293 A JP 20970293A JP H06161496 A JPH06161496 A JP H06161496A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- value
- output
- recognition system
- speech
- 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.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012886 linear function Methods 0.000 claims description 2
- 210000002569 neuron Anatomy 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002674 ointment Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Selective Calling Equipment (AREA)
Abstract
(57)【要約】
【目的】 テレビジョンとビデオテ−プレコ−ダのリモ
コン音声命令語を認識する音声認識システムを提供す
る。 【構成】 使用者により入力される音声を入力するため
のマイクロホンと、前記マイクロホンを通じて入力され
る音声を分析するための音声分析器と、前記音声分析器
からの音声の音声区間を検出し時間軸正規化及び二進化
を遂行するための回路と、前記回路からの二進化デ−タ
を入力し学習を遂行し音声認識結果を出力する多層神経
回路網から構成されている。 【効果】 これにより、音声の認識率が高められる。
コン音声命令語を認識する音声認識システムを提供す
る。 【構成】 使用者により入力される音声を入力するため
のマイクロホンと、前記マイクロホンを通じて入力され
る音声を分析するための音声分析器と、前記音声分析器
からの音声の音声区間を検出し時間軸正規化及び二進化
を遂行するための回路と、前記回路からの二進化デ−タ
を入力し学習を遂行し音声認識結果を出力する多層神経
回路網から構成されている。 【効果】 これにより、音声の認識率が高められる。
Description
【０００１】
【産業上の利用分野】本発明は音声認識システムに係
り、特に家電製品のリモコン音声命令語を認識する音声
認識システムに関する。
り、特に家電製品のリモコン音声命令語を認識する音声
認識システムに関する。
【０００２】
【従来の技術】現在の大部分の音声認識システムは人間
が自然に発音した音声を認識し、音声特性の多様な変化
を受容するために多くの計算を必要としたので、その実
用性や妥当性に問題があり、実時間の音声認識が難しい
問題点があった。このような音声認識のようなパタ−ン
認識の一般的な問題が解決できる方法として提示されて
いるのが神経回路網モデルである。
が自然に発音した音声を認識し、音声特性の多様な変化
を受容するために多くの計算を必要としたので、その実
用性や妥当性に問題があり、実時間の音声認識が難しい
問題点があった。このような音声認識のようなパタ−ン
認識の一般的な問題が解決できる方法として提示されて
いるのが神経回路網モデルである。
【０００３】音声認識のようなパタ−ン認識分野で様々
な神経網モデルが提案され、その中多層パ−セプトロン
（perceptron）が広く利用されている。しかしながら、
学習の際エラ−値が徐々に減少しながら再びエラ−値が
増加する局部的な最小化（local minima）に陥りエラ−
値を正しい値と判断する場合があり、学習時間が長いと
いう短所がある。又、ハ−ドウェアの構成が現在の技術
では困難なので実際応用分野へ実現しにくかった。本発
明の発明者により提案された多層神経回路網はこのよう
な短所を解決するためのものであり、文字認識、音声認
識等主にパタ−ン認識分野への適用が期待されている。
な神経網モデルが提案され、その中多層パ−セプトロン
（perceptron）が広く利用されている。しかしながら、
学習の際エラ−値が徐々に減少しながら再びエラ−値が
増加する局部的な最小化（local minima）に陥りエラ−
値を正しい値と判断する場合があり、学習時間が長いと
いう短所がある。又、ハ−ドウェアの構成が現在の技術
では困難なので実際応用分野へ実現しにくかった。本発
明の発明者により提案された多層神経回路網はこのよう
な短所を解決するためのものであり、文字認識、音声認
識等主にパタ−ン認識分野への適用が期待されている。
【０００４】
【発明が解決しようとする課題】本発明の目的はエラ−
が最小化できる多層神経回路網を利用した家電製品のリ
モコン命令語を認識する音声認識システムを提供するこ
とである。
が最小化できる多層神経回路網を利用した家電製品のリ
モコン命令語を認識する音声認識システムを提供するこ
とである。
【０００５】
【課題を解決するための手段】このような目的を達成す
るために本発明は家電製品のリモコン命令語を認識する
ための音声認識システムにおいて、使用者により入力さ
れる音声を入力するためのマイクロホンと、前記マイク
ロホンを通じて入力される音声を分析するための音声分
析手段と、前記音声分析手段からの音声の音声区間を検
出し時間軸正規化及び二進化を遂行するための手段と、
前記手段からの二進化デ−タを入力し学習を遂行し音声
認識結果を出力する多層神経回路網から構成されたこと
を特徴とする。
るために本発明は家電製品のリモコン命令語を認識する
ための音声認識システムにおいて、使用者により入力さ
れる音声を入力するためのマイクロホンと、前記マイク
ロホンを通じて入力される音声を分析するための音声分
析手段と、前記音声分析手段からの音声の音声区間を検
出し時間軸正規化及び二進化を遂行するための手段と、
前記手段からの二進化デ−タを入力し学習を遂行し音声
認識結果を出力する多層神経回路網から構成されたこと
を特徴とする。
【０００６】
【作用】多層神経回路網を利用してテレビジョンとビデ
オテ−プレコ−ダのリモコン音声命令語を認識する。
オテ−プレコ−ダのリモコン音声命令語を認識する。
【０００７】
【実施例】以下、添付した図面に基づき本発明を詳細に
説明する。本発明に適用される多層神経回路網の学習ア
ルゴリズムを説明すれば次の通りである。段階１、全て
のノ−ド間の加重値を初期化する。
説明する。本発明に適用される多層神経回路網の学習ア
ルゴリズムを説明すれば次の通りである。段階１、全て
のノ−ド間の加重値を初期化する。
【０００８】段階２、入力とこれに対応する出力を提示
する。段階３、各ノ−ドで入力と加重値の乗の和を求め
ハ−ドリミット非線形の関数により出力を発生する。
する。段階３、各ノ−ドで入力と加重値の乗の和を求め
ハ−ドリミット非線形の関数により出力を発生する。
【０００９】
【数１】
【００１０】段階４、出力ノ−ドでの出力を望む出力値
と比べ誤差を計算し誤差値による加重値変化分を貯蔵す
る。 ΔＷji＝（Ｄj −Ｏj ） ・・・（３） ΔＷji：加重値の変化量 Ｄj ：ｊ番目ノ−ドの望む出力値 Ｏj ：ｊ番目ノ−ドの出力値 段階５、段階２から段階４までの過程を全ての入力に対
し遂行し全ての出力値が望む値と等しければ学習を終
え、そうでなければ変形される前の加重値と加重値変化
分の和の和をそれぞれの加重値に加える。
と比べ誤差を計算し誤差値による加重値変化分を貯蔵す
る。 ΔＷji＝（Ｄj −Ｏj ） ・・・（３） ΔＷji：加重値の変化量 Ｄj ：ｊ番目ノ−ドの望む出力値 Ｏj ：ｊ番目ノ−ドの出力値 段階５、段階２から段階４までの過程を全ての入力に対
し遂行し全ての出力値が望む値と等しければ学習を終
え、そうでなければ変形される前の加重値と加重値変化
分の和の和をそれぞれの加重値に加える。
【００１１】
【数２】
【００１２】段階６、段階２から５までを一定の回数反
復した後望む結果が出ない時は層を増加させた後、前の
層での出力と元の入力を新たな入力とし段階２から段階
５までを繰り返す。即ち、前記多層神経回路網の学習ア
ルゴリズムでシナプスの加重値はハ−ドウェア具現を鑑
み整数値を持たせ、ハ−ドリミット関数（hard-limit f
unction ）をニュ−ロンでの伝達関数に利用し二進数の
入出力を持たせ、もし前の層での学習が成功しなかった
ら層を増加し出力値と望む出力値が同一になるまで学習
を遂行する規則を有している。
復した後望む結果が出ない時は層を増加させた後、前の
層での出力と元の入力を新たな入力とし段階２から段階
５までを繰り返す。即ち、前記多層神経回路網の学習ア
ルゴリズムでシナプスの加重値はハ−ドウェア具現を鑑
み整数値を持たせ、ハ−ドリミット関数（hard-limit f
unction ）をニュ−ロンでの伝達関数に利用し二進数の
入出力を持たせ、もし前の層での学習が成功しなかった
ら層を増加し出力値と望む出力値が同一になるまで学習
を遂行する規則を有している。
【００１３】図１に本発明による多層神経回路網を使用
した家電製品のリモコン命令語の認識システムを示す。
図１において、音声を入力するためのマイクロホン２０
０、前記マイクロホン２００を通じた音声の特徴を抽出
するための音声分析器２１０、前記音声分析器２１０を
通過した音声の音声区間を検出、時間軸正規化、二進化
を遂行する手段２２０、前記手段２２０の二進化デ−タ
を入力し学習を遂行し音声認識結果２４０を出力する多
層神経回路網２３０から構成されている。
した家電製品のリモコン命令語の認識システムを示す。
図１において、音声を入力するためのマイクロホン２０
０、前記マイクロホン２００を通じた音声の特徴を抽出
するための音声分析器２１０、前記音声分析器２１０を
通過した音声の音声区間を検出、時間軸正規化、二進化
を遂行する手段２２０、前記手段２２０の二進化デ−タ
を入力し学習を遂行し音声認識結果２４０を出力する多
層神経回路網２３０から構成されている。
【００１４】本発明によるリモコンは図１に示した構造
を有し、認識された音声に対応するリモコン出力信号を
発射し家電製品を動作させる。又、前記認識された音声
信号は画面上にディスプレイされる。図２は本発明の実
験に用いられた認識対象単語を示す。図２において、認
識対象単語はＴＶとＶＴＲ命令語２３個と数字音“ヨン
（韓国語で０）”から“ク（韓国語で９）”までを使用
した。図３は認識対象単語“電源”の音声区間検出後の
デ−タを示す。
を有し、認識された音声に対応するリモコン出力信号を
発射し家電製品を動作させる。又、前記認識された音声
信号は画面上にディスプレイされる。図２は本発明の実
験に用いられた認識対象単語を示す。図２において、認
識対象単語はＴＶとＶＴＲ命令語２３個と数字音“ヨン
（韓国語で０）”から“ク（韓国語で９）”までを使用
した。図３は認識対象単語“電源”の音声区間検出後の
デ−タを示す。
【００１５】本発明では１６チャネル帯域フィルタ−バ
ンクの出力を利用したので音声区間を１６個の周波数帯
域Ｆ１−Ｆ１６に分けて表す。音声デ−タの分析周期は
１６ｍｓと設定し分析が完了したデ−タで音声区間検出
は一フレ−ムのエネルギ−が定めたスレショルドより大
きい連続的なフレ−ムを音声区間と定めた。音声区間検
出されたデ−タの時間軸正規化は同じ単語でも発声の長
さが異なるので２〜３音節単語の平均値の３０フレ−ム
で時間軸正規化をした。この際正規化は基準フレ−ムよ
り大きい単語の時は比例的にフレ−ムを削除し、小さい
時は比例的にその前のフレ−ムをコピ−する方法を使用
した。
ンクの出力を利用したので音声区間を１６個の周波数帯
域Ｆ１−Ｆ１６に分けて表す。音声デ−タの分析周期は
１６ｍｓと設定し分析が完了したデ−タで音声区間検出
は一フレ−ムのエネルギ−が定めたスレショルドより大
きい連続的なフレ−ムを音声区間と定めた。音声区間検
出されたデ−タの時間軸正規化は同じ単語でも発声の長
さが異なるので２〜３音節単語の平均値の３０フレ−ム
で時間軸正規化をした。この際正規化は基準フレ−ムよ
り大きい単語の時は比例的にフレ−ムを削除し、小さい
時は比例的にその前のフレ−ムをコピ−する方法を使用
した。
【００１６】図４（Ａ）〜図４（Ｃ）は本発明による二
進化方法を説明するためのものである。図４（Ａ）は隣
接した二つの周波数帯域、例えば第１及び第２周波数帯
域の中で、第１周波数帯域のエナルギ−レベルが前記第
１周波数帯域に隣接した第２周波数帯域のエネルギ−レ
ベルより大きければ、前記第１周波数帯域に“１”の値
を、そうでなければ“０”の値を割り当てる方法を適用
した。
進化方法を説明するためのものである。図４（Ａ）は隣
接した二つの周波数帯域、例えば第１及び第２周波数帯
域の中で、第１周波数帯域のエナルギ−レベルが前記第
１周波数帯域に隣接した第２周波数帯域のエネルギ−レ
ベルより大きければ、前記第１周波数帯域に“１”の値
を、そうでなければ“０”の値を割り当てる方法を適用
した。
【００１７】図４（Ｂ）は一周波数帯域のエネルギ−レ
ベルが前記周波数帯域両側の二周波数帯域のエネルギ−
レベルより大きい際前記周波数帯域に“１”を割り当
て、そうでなければ“０”を割り当てる方法を適用し
た。図４（Ｃ）は音声区間と分離されたデ−タで一定の
比率で正規化した後、次の定められたスレショルドより
大きい際“１”を割り当て、そうでなければ“０”を割
り当てる方法を適用した。
ベルが前記周波数帯域両側の二周波数帯域のエネルギ−
レベルより大きい際前記周波数帯域に“１”を割り当
て、そうでなければ“０”を割り当てる方法を適用し
た。図４（Ｃ）は音声区間と分離されたデ−タで一定の
比率で正規化した後、次の定められたスレショルドより
大きい際“１”を割り当て、そうでなければ“０”を割
り当てる方法を適用した。
【００１８】図５は図４（Ａ）に示した方法により前記
図３に示したデ−タの二進化を遂行した結果を示す表で
ある。図６は図４（Ｃ）に示した方法により前記図３に
示したデ−タの二進化を遂行した結果を示す表である。
前記図５、図６に示した二進化の結果は多層神経回路網
の入力として使用される。多層神経回路網は前記二進化
した値を入力し前記アルゴリズムを遂行する。
図３に示したデ−タの二進化を遂行した結果を示す表で
ある。図６は図４（Ｃ）に示した方法により前記図３に
示したデ−タの二進化を遂行した結果を示す表である。
前記図５、図６に示した二進化の結果は多層神経回路網
の入力として使用される。多層神経回路網は前記二進化
した値を入力し前記アルゴリズムを遂行する。
【００１９】図７は本発明による音声区間検出され時間
軸正規化したデ−タが処理される過程を示す。図７にお
いて、前記音声区間検出され時間軸正規化したデ−タは
前述した三つの方法による二進化回路３００により二進
化され、前記二進化したデ−タは三つの多層神経回路網
３１０によりそれぞれ学習が遂行され前記学習により得
られたデ−タはそれぞれの最大値出力回路３２０により
最大値が出力され前記最大値出力回路３２０の結果を総
合し最終的な認識値を出力する最終値認識回路３３０か
ら構成されている。
軸正規化したデ−タが処理される過程を示す。図７にお
いて、前記音声区間検出され時間軸正規化したデ−タは
前述した三つの方法による二進化回路３００により二進
化され、前記二進化したデ−タは三つの多層神経回路網
３１０によりそれぞれ学習が遂行され前記学習により得
られたデ−タはそれぞれの最大値出力回路３２０により
最大値が出力され前記最大値出力回路３２０の結果を総
合し最終的な認識値を出力する最終値認識回路３３０か
ら構成されている。
【００２０】即ち、上のような方法を使用した理由はそ
れぞれ異なる二進化方法で音声の特性が明瞭に表現で
き、更によい認識率を得るためのものである。又、本発
明では更によい学習結果を得るための方法を提示する。
図８は本発明で提示する更によい学習方法を示す。図８
は一つの多層神経回路網に所定数の副回路網を有しその
副回路網も又それらの副回路網を持つ方法で認識率を高
めるために提案された方法である。
れぞれ異なる二進化方法で音声の特性が明瞭に表現で
き、更によい認識率を得るためのものである。又、本発
明では更によい学習結果を得るための方法を提示する。
図８は本発明で提示する更によい学習方法を示す。図８
は一つの多層神経回路網に所定数の副回路網を有しその
副回路網も又それらの副回路網を持つ方法で認識率を高
めるために提案された方法である。
【００２１】音声認識システムは二進化した信号を入力
し学習を遂行する神経回路網４００、前記神経回路網４
００に連結された副回路網４１０より構成されている。
そして、前記副回路網はそれらの副回路網が持てる。即
ち、神経回路網で判断の曖昧した出力は副回路網４１０
で学習され最終結果を出力し副回路網４１０でも判断の
曖昧した出力は再びその次の副回路網で学習が成される
方法で学習が遂行される。
し学習を遂行する神経回路網４００、前記神経回路網４
００に連結された副回路網４１０より構成されている。
そして、前記副回路網はそれらの副回路網が持てる。即
ち、神経回路網で判断の曖昧した出力は副回路網４１０
で学習され最終結果を出力し副回路網４１０でも判断の
曖昧した出力は再びその次の副回路網で学習が成される
方法で学習が遂行される。
【００２２】例えば、数字認識においてもし“イル（韓
国語で１）”と“チル（韓国語で７）”、“サム（韓国
語で３）”と“パル（韓国語で８）”、“ユク（韓国語
で６）”と“ク（韓国語で９）”がその音声を認識しに
くい曖昧した数字とすれば、それらの数字に対しもう一
度学習を遂行する。即ち、前記方法は学習の認識率を増
加させるために本発明で提案された。
国語で１）”と“チル（韓国語で７）”、“サム（韓国
語で３）”と“パル（韓国語で８）”、“ユク（韓国語
で６）”と“ク（韓国語で９）”がその音声を認識しに
くい曖昧した数字とすれば、それらの数字に対しもう一
度学習を遂行する。即ち、前記方法は学習の認識率を増
加させるために本発明で提案された。
【００２３】図８はソフトウェアでＴＶとＶＴＲ命令語
をシミュレ−ションした結果を示し、コンピュ−タ−モ
ニタ−に示される画面である。一人の話者により発音さ
れた各モジュ−ル当たり約３００個のデ−タを多層神経
回路網の学習デ−タに使用し、総１０個のモジュ−ルで
システムを構成した。認識にかかる時間は約 0.2秒で実
時間システムが構成できた。学習の後、学習デ−タは１
００％の認識率を見せ、試験デ−タに対しては９０％以
上の高い認識率を示した。
をシミュレ−ションした結果を示し、コンピュ−タ−モ
ニタ−に示される画面である。一人の話者により発音さ
れた各モジュ−ル当たり約３００個のデ−タを多層神経
回路網の学習デ−タに使用し、総１０個のモジュ−ルで
システムを構成した。認識にかかる時間は約 0.2秒で実
時間システムが構成できた。学習の後、学習デ−タは１
００％の認識率を見せ、試験デ−タに対しては９０％以
上の高い認識率を示した。
【００２４】
【発明の効果】本発明による音声認識システムと音声認
識方法は音声の認識率が高められる。
識方法は音声の認識率が高められる。
【図１】本発明による多層神経回路網を用いた家電製品
のリモコン命令語認識システムのブロック図である。
のリモコン命令語認識システムのブロック図である。
【図２】本発明の認識実験に使用された認識対象単語を
示す図である。
示す図である。
【図３】認識対象単語“電源”の音声区間検出後のデ−
タを示す図である。
タを示す図である。
【図４】（Ａ）−（Ｃ）は本発明による二進化方法を説
明するためのものである。
明するためのものである。
【図５】図４（Ａ）に示した方法により前記図３に示し
たデ−タの二進化を遂行した結果を表す表である。
たデ−タの二進化を遂行した結果を表す表である。
【図６】図４（Ｃ）に示した方法により前記図３に示し
たデ−タの二進化を遂行した結果を表す表である。
たデ−タの二進化を遂行した結果を表す表である。
【図７】本発明による音声区間検出され時間軸正規化し
たデ−タの処理される過程を示すブロック図である。
たデ−タの処理される過程を示すブロック図である。
【図８】本発明による音声認識システムの認識率を向上
させるための多層神経回路網の学習方法を示す図であ
る。
させるための多層神経回路網の学習方法を示す図であ
る。
【図９】ＴＶとＶＴＲ命令語に対する音声認識をソフト
ウェアシミュレ−ションした結果を示す図である。
ウェアシミュレ−ションした結果を示す図である。
２００ マイクロホン ２１０ 音声分析器 ２２０ 時間軸正規化二進化手段 ２３０ 多層神経回路網 ２４０ 結果 ３００ 二進化（タイプ１） ３１０，４００，４１０ 神経回路網 ３２０ 最大値出力回路 ３３０ 最終値認識回路
Claims (5)
- 【請求項１】 家電製品のリモコン命令語を認識するた
めの音声認識システムにおいて、 使用者により入力される音声を入力するためのマイクロ
ホンと、 前記マイクロホンを通じて入力される音声を分析するた
めの音声分析手段と、 前記音声分析手段からの音声の音声区間を検出し時間軸
正規化及び二進化を遂行するための手段と、 前記音声分析手段からの二進化デ−タを入力し学習を遂
行し音声認識結果を出力する多層神経回路網から構成さ
れたことを特徴とする音声認識システム。 - 【請求項２】 前記音声分析手段は、 前記音声区間検出され時間軸正規化したデ−タの第１周
波数帯域の出力が前記第１周波数帯域に隣接した第２周
波数帯域の出力より大きければ前記第１周波数帯域に第
１状態の値を割り当て、そうでなければ第２状態の値を
割り当てる第１手段と、 前記音声区間検出され時間軸正規化したデ−タの第１周
波数帯域の出力が前記第１周波数帯域の隣接した両側の
周波数帯域の出力より大きい際前記第１周波数帯域に第
１状態の値を割り当て、そうでなければ第２状態の値を
割り当てる第２手段と、 前記音声区間検出され時間軸正規化したデ−タを一定の
比率で正規化した後、定められたスレショルドより大き
い時第１状態の値を割り当て、そうでなければ第２状態
の値を割り当てる第３手段をそれぞれ通過するよう構成
されたことを特徴とする請求項１記載の音声認識システ
ム。 - 【請求項３】 前記多層神経回路網は前記第１、第２、
第３手段に各々連結された第１、第２、第３多層神経回
路網を有しそれぞれの多層神経回路網の結果を統合しそ
の結果を出力することを特徴とする請求項２記載の音声
認識システム。 - 【請求項４】 前記第１、第２、第３多層神経回路網は
それぞれの所定の段階を有する所定数の副神経回路網を
持ち副神経回路網の出力を統合し出力することを特徴と
する請求項３記載の音声認識システム。 - 【請求項５】 前記多層神経回路網の学習方法は全ての
ノ−ド間の加重値を初期化する第１段階と、 入力とこれに対応する出力を提示する第２段階と、 各ノ−ドで入力の加重値の和を求めハ−ドリミット非線
形の関数により出力を発生する第３段階と、 出力ノ−ドで出力を望む出力値と比べ誤差を計算し誤差
値による加重値の変化分を貯蔵する第４段階と、 前記第２段階から第４段階までの過程を全ての入力に対
して遂行し全ての出力値が望む値と等しければ学習を終
え、そうでなければこの際の加重値変化分の和を各加重
値にそれぞれ加える第５段階と、 前記過程を一定の回数繰り返した後望む結果が出ない時
は層を増加させた後、前の層での出力と元の入力を新し
い入力にして段階２から反復する第６段階からなること
を特徴とする請求項３記載の音声認識システム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR15484/1992 | 1992-08-27 | ||
| KR1019920015484A KR100202425B1 (ko) | 1992-08-27 | 1992-08-27 | 가전제품의 리모콘 명령어를 인식하기 위한 음성 인식 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06161496A true JPH06161496A (ja) | 1994-06-07 |
Family
ID=19338592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5209702A Pending JPH06161496A (ja) | 1992-08-27 | 1993-08-24 | 家電製品のリモコン命令語を認識するための音声認識システム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US5471557A (ja) |
| JP (1) | JPH06161496A (ja) |
| KR (1) | KR100202425B1 (ja) |
| DE (1) | DE4328752B4 (ja) |
| FR (1) | FR2695246B1 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030034443A (ko) * | 2001-10-23 | 2003-05-09 | 삼성전자주식회사 | 음성 인식 사용자 인터페이스 제어 장치 및 방법 |
| KR20030047153A (ko) * | 2001-12-08 | 2003-06-18 | 임소영 | 음성인식을 적용한 전자 기기의 신방식 유저 인터페이스시스템 및 방법 |
| US6996077B1 (en) | 1997-07-03 | 2006-02-07 | Kabushiki Kaisha Toshiba | Satellite broadcasting system |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5904697A (en) * | 1995-02-24 | 1999-05-18 | Heartport, Inc. | Devices and methods for performing a vascular anastomosis |
| DE19705471C2 (de) * | 1997-02-13 | 1998-04-09 | Sican F & E Gmbh Sibet | Verfahren und Schaltungsanordnung zur Spracherkennung und zur Sprachsteuerung von Vorrichtungen |
| DE19754382A1 (de) * | 1997-12-08 | 1999-06-10 | Siemens Nixdorf Inf Syst | Gerätekombination aus Fernseh- und Rechnerteil mit Zugriff zu einem Kommunikationsnetz sowie Fernbedienung dafür |
| US7266498B1 (en) * | 1998-12-18 | 2007-09-04 | Intel Corporation | Method and apparatus for reducing conflicts between speech-enabled applications sharing speech menu |
| JP3979556B2 (ja) * | 1998-12-22 | 2007-09-19 | パイオニア株式会社 | 番組選択装置及び番組選択方法 |
| US6397186B1 (en) | 1999-12-22 | 2002-05-28 | Ambush Interactive, Inc. | Hands-free, voice-operated remote control transmitter |
| ES2273870T3 (es) * | 2000-07-28 | 2007-05-16 | Koninklijke Philips Electronics N.V. | Sistema para controlar una aparato con instrucciones de voz. |
| US7006969B2 (en) * | 2000-11-02 | 2006-02-28 | At&T Corp. | System and method of pattern recognition in very high-dimensional space |
| US7369993B1 (en) | 2000-11-02 | 2008-05-06 | At&T Corp. | System and method of pattern recognition in very high-dimensional space |
| US6845357B2 (en) * | 2001-07-24 | 2005-01-18 | Honeywell International Inc. | Pattern recognition using an observable operator model |
| WO2003017252A1 (de) * | 2001-08-13 | 2003-02-27 | Knittel, Jochen | Verfahren und vorrichtung zum erkennen einer phonetischen lautfolge oder zeichenfolge |
| US20080147579A1 (en) * | 2006-12-14 | 2008-06-19 | Microsoft Corporation | Discriminative training using boosted lasso |
| CN103679185B (zh) * | 2012-08-31 | 2017-06-16 | 富士通株式会社 | 卷积神经网络分类器系统、其训练方法、分类方法和用途 |
| KR102392087B1 (ko) | 2017-07-10 | 2022-04-29 | 삼성전자주식회사 | 원격 조정 장치 및 원격 조정 장치의 사용자 음성 수신방법 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2558682B2 (ja) * | 1987-03-13 | 1996-11-27 | 株式会社東芝 | 知的ワ−クステ−シヨン |
| DE3819178A1 (de) * | 1987-06-04 | 1988-12-22 | Ricoh Kk | Spracherkennungsverfahren und -einrichtung |
| US5136653A (en) * | 1988-01-11 | 1992-08-04 | Ezel, Inc. | Acoustic recognition system using accumulate power series |
| US5214745A (en) * | 1988-08-25 | 1993-05-25 | Sutherland John G | Artificial neural device utilizing phase orientation in the complex number domain to encode and decode stimulus response patterns |
| GB8908205D0 (en) * | 1989-04-12 | 1989-05-24 | Smiths Industries Plc | Speech recognition apparatus and methods |
| GB8911461D0 (en) * | 1989-05-18 | 1989-07-05 | Smiths Industries Plc | Temperature adaptors |
| US5086479A (en) * | 1989-06-30 | 1992-02-04 | Hitachi, Ltd. | Information processing system using neural network learning function |
| DE4031421C2 (de) * | 1989-10-05 | 1995-08-24 | Ricoh Kk | Musteranpassungssystem für eine Spracherkennungseinrichtung |
| JPH03123399A (ja) * | 1989-10-06 | 1991-05-27 | Ricoh Co Ltd | 音声認識装置 |
-
1992
- 1992-08-27 KR KR1019920015484A patent/KR100202425B1/ko not_active IP Right Cessation
-
1993
- 1993-08-24 JP JP5209702A patent/JPH06161496A/ja active Pending
- 1993-08-26 DE DE4328752A patent/DE4328752B4/de not_active Expired - Fee Related
- 1993-08-26 US US08/112,037 patent/US5471557A/en not_active Expired - Fee Related
- 1993-08-26 FR FR9310270A patent/FR2695246B1/fr not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6996077B1 (en) | 1997-07-03 | 2006-02-07 | Kabushiki Kaisha Toshiba | Satellite broadcasting system |
| KR20030034443A (ko) * | 2001-10-23 | 2003-05-09 | 삼성전자주식회사 | 음성 인식 사용자 인터페이스 제어 장치 및 방법 |
| KR20030047153A (ko) * | 2001-12-08 | 2003-06-18 | 임소영 | 음성인식을 적용한 전자 기기의 신방식 유저 인터페이스시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2695246B1 (fr) | 1996-06-21 |
| DE4328752B4 (de) | 2004-08-05 |
| FR2695246A1 (fr) | 1994-03-04 |
| US5471557A (en) | 1995-11-28 |
| DE4328752A1 (de) | 1994-03-03 |
| KR100202425B1 (ko) | 1999-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7337953B2 (ja) | 音声認識方法及び装置、ニューラルネットワークの訓練方法及び装置、並びにコンピュータープログラム | |
| WO2021143327A1 (zh) | 语音识别方法、装置和计算机可读存储介质 | |
| JPH06161496A (ja) | 家電製品のリモコン命令語を認識するための音声認識システム | |
| US5566270A (en) | Speaker independent isolated word recognition system using neural networks | |
| KR0173923B1 (ko) | 다층구조 신경망을 이용한 음소 분할 방법 | |
| CN111161715A (zh) | 一种基于序列分类的特定声音事件检索与定位的方法 | |
| CN115641543A (zh) | 一种多模态抑郁情绪识别方法及装置 | |
| US20230267950A1 (en) | Audio signal generation model and training method using generative adversarial network | |
| Illium et al. | Surgical mask detection with convolutional neural networks and data augmentations on spectrograms | |
| CN113241092A (zh) | 基于双注意力机制和多阶段混合卷积网络声源分离方法 | |
| JP3014177B2 (ja) | 話者適応音声認識装置 | |
| Sagi et al. | A biologically motivated solution to the cocktail party problem | |
| CN116467416A (zh) | 一种基于图神经网络的多模态对话情感识别方法及系统 | |
| CN106910494A (zh) | 一种音频识别方法和装置 | |
| Mulimani et al. | A deep neural network-driven feature learning method for polyphonic acoustic event detection from real-life recordings | |
| Sunny et al. | Feature extraction methods based on linear predictive coding and wavelet packet decomposition for recognizing spoken words in malayalam | |
| CN112951270B (zh) | 语音流利度检测的方法、装置和电子设备 | |
| CN106971731B (zh) | 一种声纹识别的修正方法 | |
| Ashurov et al. | Classification of Environmental Sounds Through Spectrogram-Like Images Using Dilation-Based CNN | |
| Zheng et al. | Exploring Multi-task Learning Based Gender Recognition and Age Estimation for Class-imbalanced Data. | |
| Helmi et al. | Speech recognition with fuzzy neural network for discrete words | |
| CN114333802B (zh) | 语音处理方法、装置、电子设备及计算机可读存储介质 | |
| Koteswararao et al. | An Efficient Optimal Reconstruction Based Speech Separation Based on Hybrid Deep Learning Technique. | |
| KR0185755B1 (ko) | 신경회로망을 이용한 음성인식 시스템 | |
| CN117012220A (zh) | 语音处理方法、装置、电子设备及存储介质 |