Díaz Verdejo, Jesús Esteban, Segura Luna, José Carlos, Peinado Herreros, Antonio, Rubio Ayuso, Antonio José, Gálvez López, José Antonio
Entrenamiento discriminativo para HMM utilizando redes neuronales recurrentes
DÍAZ VERDEJO, Jesús Esteban, et al. "Entrenamiento discriminativo para HMM utilizando redes neuronales recurrentes". Procesamiento del lenguaje natural. N. 13 (feb. 1993). ISSN 1135-5948, pp. 359-366
URI: http://hdl.handle.net/10045/4595
DOI: 
ISSN: 1135-5948
Abstract: 
En el presente artículo se presentan los resultados obtenidos a partir de una estructura en red para los Modelos Ocultos de Markov, aplicados al reconocimiento del habla. La topología de la red es la de una Red Neuronal Recurrente, en la que cada iteración temporal es identificada con una capa. El entrenamiento de dicha red se realiza mediante técnicas de retropropagación. Dos tipos de medidas de error se utilizan para el entrenamiento: máxima semejanza y entrenamiento discriminativo. La aplicación de las técnicas de retropropagación para la reestimación de los HMM-RNN en el caso de entrenamiento por máxima semejanza proporciona las mismas ecuaciones de reestimación que el algoritmo de Baum-Welch utilizado para entrenar los HMM. El entrenamiento discriminativo se basa en la probabilidad de clasificación correcta de las secuencias a partir de la medida de máxima semejanza. Los resultados obtenidos han demostrado que el mejor procedimiento para entrenar los RNN-HMM consiste en realizar una primera estimación mediante la medida de máxima semejanza para, posteriormente, reentrenarlos mediante el algoritmo de entrenamiento discriminativo.
Keywords:Entrenamiento discriminativo, Redes neuronales recurrentes, Modelos ocultos de Markov, Reconocimiento del habla, HMM
Sociedad Española para el Procesamiento del Lenguaje Natural
info:eu-repo/semantics/article