| 1 |
1
비원어민이 발성한 음성 원시신호로부터 비원어민의 외국어 유창성을 평가하는 방법으로서, 상기 음성 원시신호를 컨볼루션 신경망(CNN)에 입력하여, 이 입력 신호에 대한 전문가가 산정한 유창성 평가 점수를 따라가도록 컨볼루션 신경망의 필터 계수를 훈련하여 외국어 유창성 평가 모델을 생성하는 절차,상기 훈련 절차에 의해 훈련된 컨볼루션 신경망에 새로 입력된 비원어민 음성 신호에 대하여 상기 외국어 유창성 평가 모델을 이용하여 외국어 유창성을 평가하여 평가 등급 결과를 출력하는 절차를 포함하는 엔드투엔드 기반의 외국어 유창성 평가 방법
|
| 2 |
2
제1항에 있어서, 상기 컨볼루션 신경망의 필터 계수 훈련 절차에서는 다수의 [비원어민 음성신호, 전문가의 유창성 평가 점수]쌍 데이터가 사용되는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 방법
|
| 3 |
3
제1항에 있어서, 상기 컨볼루션 신경망은 다수층의 컨볼루션 레이어를 포함하되,상기 다수층의 컨볼루션 레이어에 포함된 제1 컨볼루션 레이어는 비원어민이 발성한 음성 원시신호 입력에 대해 로컬 필터링을 이용한 컨볼루션을 수행하여 다음 번의 제n 컨볼루션 레이어(n = 2 이상의 자연수)로 입력시키는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 방법
|
| 4 |
4
제3항에 있어서, 상기 컨볼루션 신경망은 상기 다수층의 컨볼루션 레이어에서 얻어진 결과를 추가로 훈련시키는 다수층의 완전연결 레이어를 추가로 포함하는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 방법
|
| 5 |
5
제1항에 있어서, 상기 외국어 유창성 평가 절차에서는 비원어민 음성신호에 포함된 포락선 및 묵음 구간을 고려하는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 방법
|
| 6 |
6
제1항에 있어서, 상기 제1 내지 제n 컨볼루션 레이어는n이 증가할수록 필터 사이즈가 감소하는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 방법
|
| 7 |
7
비원어민이 발성한 음성 원시신호로부터 비원어민의 외국어 유창성을 평가하는 시스템으로서, 상기 음성 원시신호를 입력받아, 이 입력 신호에 대한 전문가가 산정한 유창성 평가 점수를 따라가도록 컨볼루션 신경망의 필터 계수를 훈련하여 외국어 유창성 평가 모델을 생성하고, 상기와 같이 훈련되어 생성된 외국어 유창성 평가 모델에 새로 입력된 비원어민 음성 신호에 대하여 외국어 유창성을 평가하여 평가 등급 결과를 출력하는 컨볼루션 신경망(CNN)을 포함하는 엔드투엔드 기반의 외국어 유창성 평가 시스템
|
| 8 |
8
제7항에 있어서, 상기 컨볼루션 신경망의 필터 계수 훈련을 위해 다수의 [비원어민 음성신호, 전문가의 유창성 평가 점수]쌍 데이터가 사용되는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 시스템
|
| 9 |
9
제7항에 있어서, 상기 컨볼루션 신경망은 다수층의 컨볼루션 레이어를 포함하되,상기 다수층의 컨볼루션 레이어에 포함된 제1 컨볼루션 레이어는 비원어민이 발성한 음성 원시신호 입력에 대해 로컬 필터링을 이용한 컨볼루션을 수행하여 다음 번의 제n 컨볼루션 레이어(n = 2 이상의 자연수)로 입력시키는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 시스템
|
| 10 |
10
제9항에 있어서, 상기 컨볼루션 신경망은 상기 다수층의 컨볼루션 레이어에서 얻어진 결과를 추가로 훈련시키는 다수층의 완전연결 레이어를 추가로 포함하는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 시스템
|
| 11 |
11
제7항에 있어서, 상기 외국어 유창성 평가 모델 생성시에 비원어민 음성신호에 포함된 포락선 및 묵음 구간을 고려하는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 시스템
|
| 12 |
12
제7항에 있어서, 상기 제1 내지 제n 컨볼루션 레이어는n이 증가할수록 필터 사이즈가 감소하는 것을 특징으로 하는 엔드투엔드 기반의 외국어 유창성 평가 시스템
|
| 13 |
13
비원어민이 발성한 음성 원시신호로부터 비원어민의 외국어 유창성을 평가하기 위하여, 상기 음성 원시신호를 입력받아, 이 입력 신호에 대한 전문가가 산정한 유창성 평가 점수를 따라가도록 훈련하여 외국어 유창성 평가 모델을 생성하는 수단과,생성된 외국어 유창성 평가 모델에 새로 입력된 비원어민 음성 신호에 대하여 외국어 유창성을 평가하여 평가 등급 결과를 출력하는 수단을 포함하는, 엔드투엔드 기반의 외국어 유창성 평가를 위한 컨볼루션 신경망
|
| 14 |
14
제13항에 있어서, 상기 외국어 유창성 평가 모델의 훈련을 위해 다수의 [비원어민 음성신호, 전문가의 유창성 평가 점수]쌍 데이터가 사용되는 것을 특징으로 하는, 엔드투엔드 기반의 외국어 유창성 평가를 위한 컨볼루션 신경망
|
| 15 |
15
제13항에 있어서, 상기 외국어 유창성 평가 모델 생성 수단은 다수층의 컨볼루션 레이어를 포함하되,상기 다수층의 컨볼루션 레이어에 포함된 제1 컨볼루션 레이어는 비원어민이 발성한 음성 원시신호 입력에 대해 로컬 필터링을 이용한 컨볼루션을 수행하여 다음 번의 제n 컨볼루션 레이어(n = 2 이상의 자연수)로 입력시키는 것을 특징으로 하는, 엔드투엔드 기반의 외국어 유창성 평가를 위한 컨볼루션 신경망
|
| 16 |
16
제15항에 있어서, 상기 외국어 유창성 평가 모델 생성 수단은상기 다수층의 컨볼루션 레이어에서 얻어진 결과를 추가로 훈련시키는 다수층의 완전연결 레이어를 추가로 포함하는 것을 특징으로 하는, 엔드투엔드 기반의 외국어 유창성 평가를 위한 컨볼루션 신경망
|
| 17 |
17
제13항에 있어서, 상기 외국어 유창성 평가 모델 생성 수단은 비원어민 음성신호에 포함된 포락선 및 묵음 구간을 고려하는 것을 특징으로 하는, 엔드투엔드 기반의 외국어 유창성 평가를 위한 컨볼루션 신경망
|
| 18 |
18
제13항에 있어서, 상기 제1 내지 제n 컨볼루션 레이어는n이 증가할수록 필터 사이즈가 감소하는 것을 특징으로 하는, 엔드투엔드 기반의 외국어 유창성 평가를 위한 컨볼루션 신경망
|
