Speech Recognition using Neural Networks By Joe Tebelskis

Thesis

Hello All

Here is the thesis which will useful to those who are working in the field of speech processing & Recognition

Table of content

Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .iii
Acknowledgements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .v
1 Introduction. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1
1.1 Speech Recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2
1.2 Neural Networks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4
1.3 Thesis Outline. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
2 Review of Speech Recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9
2.1 Fundamentals of Speech Recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . .9
2.2 Dynamic Time Warping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14
2.3 Hidden Markov Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .15
2.3.1 Basic Concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .16
2.3.2 Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17
2.3.3 Variations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .22
2.3.4 Limitations of HMMs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .26
3 Review of Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .27
3.1 Historical Development . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .27
3.2 Fundamentals of Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28
3.2.1 Processing Units . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28
3.2.2 Connections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29
3.2.3 Computation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30
3.2.4 Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35
3.3 A Taxonomy of Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36
3.3.1 Supervised Learning. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .37
3.3.2 Semi-Supervised Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .40
3.3.3 Unsupervised Learning. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41
3.3.4 Hybrid Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43
3.3.5 Dynamic Networks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43
3.4 Backpropagation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .44
3.5 Relation to Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
Table of Contents viii
4 Related Research . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1 Early Neural Network Approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.1 Phoneme Classification. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.1.2 Word Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2 The Problem of Temporal Structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3 NN-HMM Hybrids . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3.1 NN Implementations of HMMs . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3.2 Frame Level Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.3.3 Segment Level Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3.4 Word Level Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.5 Global Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.3.6 Context Dependence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3.7 Speaker Independence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.8 Word Spotting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5 Databases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.1 Japanese Isolated Words . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2 Conference Registration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.3 Resource Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6 Predictive Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.1 Motivation... and Hindsight . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.3 Linked Predictive Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.3.1 Basic Operation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.3.2 Training the LPNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3.3 Isolated Word Recognition Experiments . . . . . . . . . . . . . . . . . . . . 84
6.3.4 Continuous Speech Recognition Experiments . . . . . . . . . . . . . . . . 86
6.3.5 Comparison with HMMs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.4 Extensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.4.1 Hidden Control Neural Network. . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.4.2 Context Dependent Phoneme Models. . . . . . . . . . . . . . . . . . . . . . . 92
6.4.3 Function Word Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.5 Weaknesses of Predictive Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.5.1 Lack of Discrimination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.5.2 Inconsistency . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Table of Contents ix
7 Classification Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .101
7.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .101
7.2 Theory. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .103
7.2.1 The MLP as a Posterior Estimator . . . . . . . . . . . . . . . . . . . . . . . . . .103
7.2.2 Likelihoods vs. Posteriors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .105
7.3 Frame Level Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .106
7.3.1 Network Architectures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .106
7.3.2 Input Representations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .115
7.3.3 Speech Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .119
7.3.4 Training Procedures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .120
7.3.5 Testing Procedures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .132
7.3.6 Generalization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .137
7.4 Word Level Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .138
7.4.1 Multi-State Time Delay Neural Network . . . . . . . . . . . . . . . . . . . . .138
7.4.2 Experimental Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .141
7.5 Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .143
8 Comparisons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .147
8.1 Conference Registration Database . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .147
8.2 Resource Management Database . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .148
9 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .151
9.1 Neural Networks as Acoustic Models . . . . . . . . . . . . . . . . . . . . . . . . . . . .151
9.2 Summary of Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .152
9.3 Advantages of NN-HMM hybrids . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .153
Appendix A. Final System Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .155
Appendix B. Proof that Classifier Networks Estimate Posterior Probabilities. . . . .157
Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .159
Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .169
Subject Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .173

Thesis

I have spent approximately 4 points to download it two times.

But all are false. I don't know why???
Hic, 4 useless points!!!!!!!!!!!!!!!

Re: Thesis

Hi Semiconductor

I checked it its working?

I dont know why u r getting problems ?

Regards

Krutarth