Aportación a los métodos de entrenamiento de modelos de Markov para reconocimiento de habla continua

Abstract

LA TESIS DOCTORAL RECOGE EL ESTUDIO DE TECNICAS DE MODELADO ACUSTICO PARA SISTEMAS DE RECONOCIMIENTO AUTOMATICO DE HABLA, SE REALIZA UN ESTUDIO COMPARADO DE TECNICAS PARA LOS IDIOMAS INGLES Y CASTELLANO. PARA EL INGLES SE PRESENTAN RESULTADOS SOBRE LA BASE DE DATOS DE INGLES AMERICANO CONOCIDA COMO DARPA-RM. LOS EXPERIMENTOS PRESENTADOS PARA EL CASTELLANO SE BASAN EN UNA BASE DE DATOS MULTILOCUTOR (CUATRO LOCUTORES) RESULTADO DE LOS TRABAJOS DE TESIS. LAS TECNICAS DE RECONOCIMIENTO CONSIDERADAS SON LAS BASADOS EN LO MODELOS DENOMINADOS OCULTOS DE MARKOV (HMM). ESTUDIANDOSE TANTO LOS MODELOS DISCRETOS COMO LOS CONTINUOS. LOS EXPERIMENTOS REALIZADOS EN AMBOS CASOS Y TANTO PARA EL INGLES COMO PARA EL CASTELLANO SE VALIDAN CON TESTS DE SIGNIFICACION ESTADISTICA. LA TESIS RECOGE DIFERENTES TECNICAS DE ENTRENAMIENTO DE MODELOS Y ESTRATEGIAS DE RECONOCIMIENTO. SE ESTUDIAN Y PRESENTAN TECNICAS DE REDUCCION DE CARGA COMPUTACIONAL PARA EL PROCESO DE ENTRENAMIENTO. TAMBIEN SE CONSIDERAN TECNICAS DE AGRUPACION DE UNIDADES ACUSTICAS TIPO TRIFONEMAS. FINALMENTE, PARA EL CASO DE IDIOMA CASTELLANO SE ESTUDIAN TECNICAS DE INCLUSION DE PRONUNCIACIONES ALTERNATIVAS Y MODELADO CONTEXTUAL.