The Journal of Korean Institute of Communications and Information Sciences (한국통신학회논문지)

The Korean Institute of Commucations and Information Sciences (한국통신학회)
권호 표지

A study on the phoneme recognition using radial basis function network

RBFN을 이용한 음소인식에 관한 연구

  • Published : 1997.05.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we studied for phoneme recognition using GPFN and PNN as a kind of RBFN. The structure of RBFN is similar to a feedforward networks but different from choosing of activation function, reference vector and learnign algorithm in a hidden layer. Expecially sigmoid function in PNN is replaced by one category included exponential function. And total calculation performance is high, because PNN performs pattern classification with out learning. In phonemerecognition experiment with 5 vowel and 12 consant, recognition rates of GPFN and PNN as a kind of RBFN reflected statistic characteristic of speech are higher than ones of MLP in case of using test data and quantizied data by VQ and LVQ.

본 연구는 RBFN의 일종인 GPFN과 PNN을 이용한 음소인식에 관한 연구이다. RBFN의 구조는 계층형 신경망의 구조와 유사하지만, hidden층에서 활성화함수, 참조벡터 및 학습알고리듬의 선택이 다르다. 특히 PNN은 시그모이드 함수가 지수를 포함한 함수들의 한 분류로 대체된다는 것이며, 학습이 필요없으므로 전체계산 시간이 빠르게 수행된다. 5모음, 12자음을 대상으로 한 음소인식 실험에서 평가데이터, VQ와 LVQ에 의한 코드북 데이터를 사용한 경우에 음성의 통계적 특성을 잘 반영하고 있는 RBFN의 일종인 GPFN과 PNN의 인식결과가 MLP보다 우수하였다.

Keywords

References

  1. Parallel Distributed Processing Learning internal representations by error backpropagation D. Rumelhart;G. Hinton;R. Williams;D. Rumelhart(ed.);J. McClelland(ed.)
  2. 信學論 v.J73-A no.1 3層二ュ · ラルネツトワ-クによる恒等寫像の近似的實現 についての理論的考察 船橋賢-
  3. IEEE International Joint Conference on Neural Networks v.1 Theory of the backpropagation neural network R. Hecht-Nielsen
  4. Neural Computing : An Introduction R. Beale;T. Jackson
  5. Neural networks for Signal Processing B. Kosko(ed.)
  6. Probabilistic Neural Networks, Neural Networks v.3 D. Specht
  7. IEEE Trans. Neural Networks v.1 no.4 The multilayer perceptron as an approximation to a Bayes optimal discriminant function D. W. Ruck(et al.)
  8. IEEE Trans. Neural Networks v.1 no.4 Neural network classification : a Bayesian interpretation E. A. Wan
  9. 信學論 v.J73-D-Ⅱ no.11 情報量基準による3層ニュ-ラルネツトワ-クの隱れ層のユニツト數 の決定法 要田多喜夫
  10. Proc. IJCNN Estimation of a posteriori probability using neural network Y. Ono;S. Nakagawa
  11. 한국음향학회지 v.12 no.16 사후확률·확률밀도함수의 추정과 Probabilistic Neural Network을 이용한 모음인식에 의한 평가 허강인;이광석;김명기
  12. Neural Networks v.3 Compative Learning Algorithms for Vector Quantization Stanley C. Ahalt(et al.)
  13. IEEE Trans. Neural Networks v.2 Learning Vector Quantization for the Probabilistic Neural Networks Pietro Burrascano
  14. 日本音響學會講論集 v.2 no.1 ニユ-ラルネツトワ-クによる事後確率 と 確率密度函數 の 推定と母音認識 小野義之;申川聖一
  15. 신호처리 합동학술대회 논문집 v.7 no.1 사후확률을 이용한 RBF 신경망에 의한 음소인식 김주성;허강인