Abstract FR:

L'objet de cette etude est d'evaluer le potentiel des reseaux de neurones (nns) pour la reconnaissance de la parole. La question posee est de savoir si ces methodes sont une alternative aux methodes classiques de reconnaissance de la parole telles que les modeles markoviens ou plus vraisemblablement un complement. L'aspect discriminant des criteres d'apprentissage des reseaux de neurones est un des cotes les plus attractifs de ces modeles, qualite qui fait en general defaut aux modeles markoviens caches (hmms). Les reseaux de neurones ont cependant deux inconvenients majeurs qui sont le temps prohibitif d'apprentissage et le manque de mecanisme d'integration temporelle. La conception de systemes hybrides constitues d'architectures neuronales modulaires en cooperation avec des modeles markoviens apportent des solutions a ces problemes. Ces systemes hybrides permettent de combiner les qualites de discrimination des nns et de modelisation temporelle des hmms. Les resultats de reconnaissance obtenus sur une base de donnees significative (darpa rm) ont permis de montrer la complementarite des approches puisqu'on ameliore notablement (20%) les performances des hmms utilises seuls dont les scores initiaux d'erreurs etaient de l'ordre de 3. 5%