DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/15675

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
An Adaptive Gradient-Search Based Algorithm for Discriminative Training of HMM's.pdf294,04 kBAdobe PDF Accés restringit

Citació: Nogueiras, A.; Mariño, J.; Monte, E. An adaptive gradient-search based algorithm for discriminative training of hmm's. A: 5th International Conference on spoken language processing (ICSLP'98). "ICSLP'98 Proceedings". Sidney: Robert H. Mannel and Jordi Robert-Ribes, 1998, p. 2979-2982.
Títol: An adaptive gradient-search based algorithm for discriminative training of hmm's
Autor: Nogueiras Rodríguez, Albino Veure Producció científica UPC; Mariño Acebal, José Bernardo Veure Producció científica UPC; Monte Moreno, Enrique Veure Producció científica UPC
Editorial: Robert H. Mannel and Jordi Robert-Ribes
Data: 1998
Tipus de document: Conference lecture
Resum: Although having revealed to be a very powerful tool in acoustic modelling, discriminative training presents a major drawback: the lack of a formulation guaranteeing convergence in no matter which initial conditions, such as the Baum-Welch algorithm in maximum likelihood training. For this reason, a gradient descent search is usually used in this kind of problem. Unfortunately, standard gradient descent algorithms rely heavily on the election of the learning rates. This dependence is specially cumbersome because it represents that, at each run of the discriminative training procedure, a search should be carried out over the parameters ruling the algorithm. In this paper we describe an adaptive procedure for determining the optimal value of the step size at each iteration. While the calculus and memory overhead of the algorithm is negligible, results show less dependence on the initial learning rate than standard gradient descent and, using the same idea in order to apply self-scaling, it clearly outperforms it.
ISBN: 1 876346 17 5
URI: http://hdl.handle.net/2117/15675
Versió de l'editor: http://nlp.lsi.upc.edu/papers/nogueiras98.pdf
Apareix a les col·leccions:Altres. Enviament des de DRAC
VEU - Grup de Tractament de la Parla. Ponències/Comunicacions de congressos
Departament de Teoria del Senyal i Comunicacions. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius