Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Modelling prosodic structure using Artificial Neural Networks

Paper i proceeding
Författare Jean-Philippe Bernardy
Charalambos Themistocleous
Publicerad i ExLing 2017. Proceedings of 8 th Tutorial and Research Workshop on Experimental Linguistics, 19-22 June 2017, Heraklion, Crete, Greece / edited by Antonis Botinis
ISBN 978-960-466-162-6
Förlag University of Athens
Förlagsort Athens
Publiceringsår 2017
Publicerad vid Institutionen för filosofi, lingvistik och vetenskapsteori
Språk en
Länkar exlingworkshop.com/images/ExLing-20...
https://arxiv.org/abs/1706.03952
https://gup-server.ub.gu.se/v1/asse...
Ämnesord Long Short-Term Memory network, convolutional network, prosody, Greek
Ämneskategorier Signalbehandling, Fonetik, Språk och litteratur

Sammanfattning

The ability to accurately perceive whether a speaker is asking a question or is making a statement is crucial for any successful interaction. However, learning and classifying tonal patterns has been a challenging task for automatic speech recognition and for models of tonal representation, as tonal contours are characterized by significant variation. This paper provides a classification model of Cypriot Greek questions and statements. We evaluate two state-of-the-art network architectures: a Long Short-Term Memory (LSTM) network and a convolutional network (ConvNet). The ConvNet outperforms the LSTM in the classification task and exhibited an excellent performance with 95% classification accuracy.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?