User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Semi-Autonomous Data Enrichment and Optimisation for Intelligent Speech Analysis
Translated title:
Semi-autonome Datenanreicherung und -optimierung für intelligente Sprachanalyse
Author:
Zhang, Zixing
Year:
2015
Document type:
Dissertation
Faculty/School:
Fakultät für Elektrotechnik und Informationstechnik
Advisor:
Schuller, Björn W. (Prof. Dr. habil.)
Referee:
Schuller, Björn W. (Prof. Dr. habil.); Cheng, Gordon (Prof., Ph.D.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
Keywords:
Intelligent Speech Analysis
TUM classification:
DAT 815d
Abstract:
To address the challenges surrounding data quantity and quality in Intelligent Speech Analysis, this thesis proposes and analyses semi-autonomous data enrichment and optimisation approaches. Particularly, both labelled and unlabelled data from heterogeneous resources are exploited; Split Vector Quantisation is employed for feature compression; and Long Short-Term Memory recurrent neural networks is evaluated to mitigate reverberation. With these approaches, better performance is delivered.
Translated abstract:
Um die Herausforderungen rund um die Menge und Qualität der Daten im Rahmen der intelligenten Sprachanalyse anzugehen, widmet sich die Arbeit der halbautonomen Daten-Bereicherung und Optimierungsansätzen. Insbesondere werden die (nicht-)annotierten Daten genutzt; Split-Vektorquantisierung ist für Spiel Kompression verwendet wird; und Long Short-Term Memory rekurrente neuronale Netze ausgewertet, um Nachhall zu mildern. Mit diesen Ansätzen wird eine bessere Leistung erzielt wird.
WWW:
https://mediatum.ub.tum.de/?id=1231696
Date of submission:
30.09.2014
Oral examination:
16.04.2015
File size:
1868228 bytes
Pages:
186
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20150416-1231696-1-6
Last change:
29.04.2015
 BibTeX