公开(公告)号：JP2010164971A

公开(公告)日：2010-07-29

申请号：JP2010005595

申请日：2010-01-14

Applicant: Internatl Business Mach Corp ,  インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Maschines Corporation

Inventor： OM DADAJI DESHMUKH ,  VERMA ASHISH

IPC: G10L15/10 ,  G10L15/02 ,  G10L15/04

CPC classification number: G10L15/1807 ,  G09B19/04 ,  G09B19/06 ,  G10L15/26

Abstract: PROBLEM TO BE SOLVED: To provide techniques for evaluating one or more spoken language skills of a speaker are provided. SOLUTION: The technique includes steps of: identifying one or more temporal locations of interest in a speech passage spoken by a speaker; computing one or more acoustic parameters, wherein the one or more acoustic parameters capture one or more properties of one or more acoustic-phonetic features of the one or more locations of interest; and combining the one or more acoustic parameters with an output of an automatic speech recognizer to modify an output of a spoken language skill evaluation. COPYRIGHT: (C)2010,JPO&INPIT

Abstract translation: 要解决的问题：提供用于评估扬声器的一种或多种口语技能的技术。 解决方案：该技术包括以下步骤：识别由扬声器说出的语音通道中的一个或多个感兴趣的时间位置; 计算一个或多个声学参数，其中所述一个或多个声学参数捕获所述一个或多个感兴趣位置的一个或多个声学语音特征的一个或多个属性; 以及将所述一个或多个声学参数与自动语音识别器的输出组合以修改口语技能评估的输出。 版权所有（C）2010，JPO＆INPIT

公开(公告)号：JP2006163592A

公开(公告)日：2006-06-22

申请号：JP2004351466

申请日：2004-12-03

Applicant: Internatl Business Mach Corp ,  インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Maschines Corporation

Inventor： RAJPUT NITENDRA ,  VERMA ASHISH

IPC: G06F17/27 ,  G10L15/18

Abstract: PROBLEM TO BE SOLVED: To construct a language model for mixed language expression having words from more than one natural language. SOLUTION: A word equivalency probability is generated for a pair of words between languages and stored. The word equivalency probability is used, as occasion demands, for generating a monolingual word history. The monolingual history is used by a monolingual language model for generating an assumption of the next word. The word equivalency probability is used also for calculating the probability of the next word in a foreign language. COPYRIGHT: (C)2006,JPO&NCIPI

Abstract translation: 要解决的问题：构建具有来自多种自然语言的单词的混合语言表达的语言模型。

解决方案：为语言之间的一对单词生成一个字等价概率并存储。 根据需要，使用单词等价概率来生成单语词历史。 单语历史由单语语言模型用于生成下一个单词的假设。 单词等价概率也用于计算外语中下一个单词的概率。 版权所有（C）2006，JPO＆NCIPI

公开(公告)号：DE112020001774T5

公开(公告)日：2021-12-30

申请号：DE112020001774

申请日：2020-06-02

Applicant: IBM

Inventor： CHOUDHURY ANAMITRA ROY ,  GOYAL SAURABH ,  SHARMA VIVEK ,  CHAKRAVARTHY VENKATESAN ,  SABHARWAL YOGISH ,  VERMA ASHISH

IPC: G06N3/08

Abstract: Es werden hierin Verfahren, Systeme und Computerprogrammprodukte für ein datensatzabhängiges Niedrigrang-Zerlegen von neuronalen Netzwerken bereitgestellt. Ein auf einem Computer implementiertes Verfahren umfasst: Erhalten eines Zieldatensatzes und eines trainierten Modells eines neuronalen Netzwerks; Bereitstellen mindestens eines Teils des Zieldatensatzes für das trainierte Modell; Ermitteln der Relevanz jedes von einem oder mehreren von Filtern des neuronalen Netzwerks und Kanälen des neuronalen Netzwerks für den Zieldatensatz auf der Grundlage des bereitgestellten Teils, wobei der eine oder die mehreren Filter und die Kanäle mindestens einer Schicht des neuronalen Netzwerks entsprechen; und Komprimieren des trainierten Modells des neuronalen Netzwerks zumindest teilweise auf der Grundlage der ermittelten Relevanzen.

公开(公告)号：DE112020005620T5

公开(公告)日：2022-09-15

申请号：DE112020005620

申请日：2020-11-05

Applicant: IBM

Inventor： RADHAKRISHNAN JAYARAM KALLAPALAYAM ,  THOMAS GEGI ,  VERMA ASHISH

IPC: H04L9/00

Abstract: Ausführungsformen betreffen Trainieren eines Modells für maschinelles Lernen auf Grundlage eines iterativen Algorithmus in einer verteilten, föderierten, privaten und sicheren Weise. Teilnehmende Entitäten werden in einer Kooperationsbeziehung registriert. Die registrierten teilnehmenden Entitäten werden in einer Topologie angeordnet und eine topologische Datenübertragungsrichtung wird eingerichtet. Jede registrierte teilnehmende Entität empfängt einen öffentlichen additiven homomorphen Verschlüsselungs-(AHE-)-Schlüssel, und lokale ML-Modell-Gewichtungen werden mit dem empfangenen öffentlichen Schlüssel verschlüsselt. Die verschlüsselten lokalen ML-Modell-Gewichtungen werden selektiv aggregiert und in Abhängigkeit von der topologischen Datenübertragungsrichtung an eine oder mehrere beteiligte Entitäten in der Topologie verteilt. Die aggregierte Summe der verschlüsselten lokalen ML-Modell-Gewichtungen wird einer Entschlüsselung mit einem entsprechenden privaten AHE-Schlüssel unterzogen. Die entschlüsselte aggregierte Summe der verschlüsselten lokalen ML-Modell-Gewichtungen wird mit den registrierten teilnehmenden Entitäten geteilt.