Глибокі мережі в промисловому розпізнаванні

Група Microsoft замінила акустичну модель глибокою мережею на реальній задачі транскрибування і знизила помилку з 27,4 до 18,5 відсотка.

Чому це важливо

Третина помилок зникла від однієї заміни — і цього вистачило, щоб уся галузь перейшла на глибокі мережі за два роки.

Скорочення на третину — небувалий крок для поля, де прогрес роками вимірювався відсотками. Мережа підставлялася замість гауссових сумішей у наявну схему прихованих марковських моделей, тож переходити можна було без переписування системи. До листопада 2012 року спільна стаття чотирьох груп — Торонто, Microsoft Research, Google і IBM Research — підсумувала такі самі результати; Baidu вона не згадує. Це перший випадок, коли глибоке навчання перемогло не в статті, а у виробництві.

Відомості про подію

Дата події

серпень 2011 р.

Дата на часовій осі

Дата події

Перевірка

Джерела зібрано автоматично · 17 вересня 2026 р.

Лінії

Мовлення

ID

evt-0220

Доповідь на конференції Interspeech у серпні 2011 року.

Джерела

першоджерело Conversational speech transcription using context-dependent deep neural networks
Interspeech 2011 · Опубліковано серпень 2011 р.
вторинне Deep Neural Networks for Acoustic Modeling in Speech Recognition (Hinton et al., author proof)
University of Toronto (author page); IEEE Signal Processing Magazine · Опубліковано листопад 2012 р.

Пов’язані події

Раніше

Пов’язано Глибокі мережі в розпізнаванні мовлення 2009
Той самий підхід, перенесений з фонем на повну задачу транскрибування розмов.
Спирається на Корпус Switchboard 1992
Результат виміряно на телефонних розмовах Switchboard.
- Conversational speech transcription using context-dependent deep neural networks · Interspeech 2011

Пізніше

Протиставляє Deep Speech 2014посилається на цей запис
Прибрано приховані марковські моделі: мережа відображає звук у літери напряму.
- Deep Speech: Scaling up end-to-end speech recognition · arXiv
Розвиває Паритет із людиною в розпізнаванні мовлення 2016посилається на цей запис
Той самий колектив, п'ять років по тому, дійшов від 18,5 до 5,9 відсотка помилок.
- Historic milestone: Microsoft researchers achieve human parity in conversational speech recognition · Microsoft