•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

An Improved VTS Feature Compensation using Mixture Models of Distortion and IVN Training for Noisy Speech Recognition

نویسنده:
Jun Du
,
Qiang Huo
ناشر:
IEEE
سال
: 2014
شناسه الکترونیک: 10.1109/TASLP.2014.2341912
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/1139828
کلیدواژه(گان): Gaussian processes,hidden Markov models,least mean squares methods,maximum likelihood estimation,mixture models,series (mathematics),speech recognition,Aurora3 benchmark database,Gaussian mixture component,IVN training,VTS feature compensation,acoustic modeling,additive noise,convolutional distortion,distortion mixture model,distortion model parameter,hidden Markov model,high order vector Taylor series approximation,in-vehicle connected digits recognition task,irrelevant varia
کالکشن :
  • Latin Articles
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    An Improved VTS Feature Compensation using Mixture Models of Distortion and IVN Training for Noisy Speech Recognition

Show full item record

contributor authorJun Du
contributor authorQiang Huo
date accessioned2020-03-13T00:15:04Z
date available2020-03-13T00:15:04Z
date issued2014
identifier issn2329-9290
identifier other6862902.pdf
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/1139828
formatgeneral
languageEnglish
publisherIEEE
titleAn Improved VTS Feature Compensation using Mixture Models of Distortion and IVN Training for Noisy Speech Recognition
typeJournal Paper
contenttypeMetadata Only
identifier padid8322093
subject keywordsGaussian processes
subject keywordshidden Markov models
subject keywordsleast mean squares methods
subject keywordsmaximum likelihood estimation
subject keywordsmixture models
subject keywordsseries (mathematics)
subject keywordsspeech recognition
subject keywordsAurora3 benchmark database
subject keywordsGaussian mixture component
subject keywordsIVN training
subject keywordsVTS feature compensation
subject keywordsacoustic modeling
subject keywordsadditive noise
subject keywordsconvolutional distortion
subject keywordsdistortion mixture model
subject keywordsdistortion model parameter
subject keywordshidden Markov model
subject keywordshigh order vector Taylor series approximation
subject keywordsin-vehicle connected digits recognition task
subject keywordsirrelevant varia
identifier doi10.1109/TASLP.2014.2341912
journal titleAudio, Speech, and Language Processing, IEEE/ACM Transactions on
journal volume22
journal issue11
filesize2327929
citations0
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace