mask-Net：使用对抗性遗忘学习上下文感知不变特征（学生摘要）
声音
2021-10-19 v5 人工智能
摘要
训练一个鲁棒的系统，例如语音转文本（STT），需要大型数据集。数据集中存在的变化性，如不需要的干扰因素和偏差，是 needing 大型数据集以学习通用表征的原因。在这项工作中，我们提出一种使用对抗性遗忘（AF）来诱导不变性的新方法。我们在STT任务上学习如口音等不变特征的初步实验，相较于传统模型在词错误率（WER）方面取得了更好的泛化。我们观察到在分布外和分布内测试集上分别有2.2%和1.3%的绝对提升。
引用
@article{arxiv.2011.12979,
title = {mask-Net: Learning Context Aware Invariant Features using Adversarial Forgetting (Student Abstract)},
author = {Hemant Yadav and Atul Anshuman Singh and Rachit Mittal and Sunayana Sitaram and Yi Yu and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:2011.12979},
year = {2021}
}