http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : Jahyun Goo(구자현) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
선형변환된 i-vector를 이용한 DNN 음향모델의 화자적응
구자현(Jahyun Goo),김회린(Hoirin Kim) 대한전자공학회 2016 대한전자공학회 학술대회 Vol.2016 No.6
In this paper, we propose a simple speaker adaptation technique for deep neural network (DNN) acoustic model. I-vector, which is the feature vector for the state-of-the-art speaker recognition technique, contains speaker’s information compactly in the low-dimensional vector and we use it for performance improvement of automatic speech recognition (ASR) task. Our proposed method is to shift the acoustic feature vectors by linearly transformed i-vector. Experiments show a meaningful performance gain.
-
Exploration and Exploitation with Electronic Medical Record
Jahyun Goo(구자현) 경북대학교 사회과학연구원 2015 사회과학 담론과 정책 Vol.8 No.1
전자 의료 기록 시스템의 구현은 미국을 비롯 전세계의 국가가 많은 비용과 노력을 투입 (EMR)하여 진행하고 있는 의료 디지털화의 표징이다. 본 연구에서는 전자 의료 기록(EMR) 시스템의 도입과 이용에 있어서 두 가지 조직학습 방법, 즉 탐구적(exploration) 및 개발적(exploitation) 조직학습의 역학관계와 상호 작용을 조사한다. 본 연구의 병원 EMR 이용자 표본에 의하면 개발적 EMR 시스템 사용이 성공적인 EMR 구현의 성과를 향상시키기는 것으로 확인된 반면, 탐구적 EMR 시스템 사용은 미미한 영향을 주는 것으로 나타났다. 뿐만 아니라 개발적 그리고 탐구적 학습을 동시에 사용하는 것은 전자 의료 기록(EMR) 시스템이 제공하는 정보의 질을 저하시키는 것으로 확인 되었다. 이는 두 학습방법이 학습에 있어서 제한된 자원을 이용하는데 팽팽한 긴장과 경쟁을 한다는 기존의 이론을 지지하는 것이다. 이 논문은 연구 결과의 실용적인 의미와 향후 연구 방향등을 제시하였다. The implementation of electronic medical record (EMR) systems is the hallmark of the digitization of healthcare that the United States and countries around the globe are embarking on with great effort. This study investigates the interplay between the deployment of EMR and thedynamics of exploration and exploitation organizational learning. Based on a sample of hospital users of EMR, we find that exploitation use enhances the outcome of successful EMR implementation, while exploration has little effect. We also find that thedual use of exploitation and exploration tends to reduce the information quality of EMR, supporting the thesis of tensions and competition for resources between the two. Implications of the findings and future research directions are explored.
-
L1-norm regularization을 통한 SGMM의 state vector 적응
구자현(Goo, Jahyun),김영관(Kim, Younggwan),김회린(Kim, Hoirin) 한국음성학회 2015 말소리와 음성과학 Vol.7 No.3
In this paper, we propose L1-norm regularization for state vector adaptation of subspace Gaussian mixture model (SGMM). When you design a speaker adaptation system with GMM-HMM acoustic model, MAP is the most typical technique to be considered. However, in MAP adaptation procedure, large number of parameters should be updated simultaneously. We can adopt sparse adaptation such as L1-norm regularization or sparse MAP to cope with that, but the performance of sparse adaptation is not good as MAP adaptation. However, SGMM does not suffer a lot from sparse adaptation as GMM-HMM because each Gaussian mean vector in SGMM is defined as a weighted sum of basis vectors, which is much robust to the fluctuation of parameters. Since there are only a few adaptation techniques appropriate for SGMM, our proposed method could be powerful especially when the number of adaptation data is limited. Experimental results show that error reduction rate of the proposed method is better than the result of MAP adaptation of SGMM, even with small adaptation data.
-
라벨이 없는 데이터를 사용한 종단간 음성인식기의 준교사 방식 도메인 적응
정현재(Hyeonjae Jeong),구자현(Jahyun Goo),김회린(Hoirin Kim) 한국음성학회 2020 말소리와 음성과학 Vol.12 No.2
최근 신경망 기반 심층학습 알고리즘의 적용으로 고전적인 Gaussian mixture model based hidden Markov model(GMM-HMM) 음성인식기에 비해 성능이 비약적으로 향상되었다. 또한 심층학습 기법의 장점을 더욱 잘 활용하는 방법으로 언어모델링 및 디코딩 과정을 통합처리 하는 종단간 음성인식 시스템에 대한 연구가 매우 활발히 진행되고 있다. 일반적으로 종단간 음성인식 시스템은 어텐션을 사용한 여러 층의 인코더-디코더 구조로 이루어져 있다. 때문에 종단간 음성인식 시스템이 충분히 좋은 성능을 내기 위해서는 많은 양의 음성과 문자열이 함께 있는 데이터가 필요하다. 음성-문자열 짝 데이터를 구하기 위해서는 사람의 노동력과 시간이 많이 필요하여 종단간 음성인식기를 구축하는 데 있어서 높은 장벽이 되고 있다. 그렇기에 비교적 적은 양의 음성-문자열 짝 데이터를 이용하여 종단간 음성인식기의 성능을 향상하는 선행연구들이 있으나, 음성 단일 데이터나 문자열 단일 데이터 한쪽만을 활용하여 진행된 연구가 대부분이다. 본 연구에서는 음성 또는 문자열 단일 데이터를 함께 이용하여 종단간 음성인식기가 다른 도메인의 말뭉치에서도 좋은 성능을 낼 수 있도록 하는 준교사 학습 방식을 제안했으며, 성격이 다른 도메인에 적응하여 제안된 방식이 효과적으로 동작하는지 확인하였다. 그 결과로 제안된 방식이 타깃 도메인에서 좋은 성능을 보임과 동시에 소스 도메인에서도 크게 열화되지 않는 성능을 보임을 알 수 있었다. Recently, the neural network-based deep learning algorithm has dramatically improved performance compared to the classical Gaussian mixture model based hidden Markov model (GMM-HMM) automatic speech recognition (ASR) system. In addition, researches on end-to-end (E2E) speech recognition systems integrating language modeling and decoding processes have been actively conducted to better utilize the advantages of deep learning techniques. In general, E2E ASR systems consist of multiple layers of encoder-decoder structure with attention. Therefore, E2E ASR systems require data with a large amount of speech-text paired data in order to achieve good performance. Obtaining speech-text paired data requires a lot of human labor and time, and is a high barrier to building E2E ASR system. Therefore, there are previous studies that improve the performance of E2E ASR system using relatively small amount of speech-text paired data, but most studies have been conducted by using only speech-only data or text-only data. In this study, we proposed a semi-supervised training method that enables E2E ASR system to perform well in corpus in different domains by using both speech or text only data. The proposed method works effectively by adapting to different domains, showing good performance in the target domain and not degrading much in the source domain.
-
Nam, Kichan,Goo, Jahyun 한국경영과학회 2003 韓國經營科學會誌 Vol.28 No.3
This study attempts to understand factors influencing the persistence of companies outsourcing arrangements using the techniques of survival analysis It provides an insight into the dynamics of outsourcing relationships between clients and vendors This is particularly relevant considering that current IS sourcing arrangements are strategic and long term and require close interdependent relationships between the client and the vendor.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
