使用高斯过程和深度整流神经网络评估自然度和帕金森氏病

塔马斯·戈洛什、罗贝特·布萨·费科特、加博尔·戈斯托利亚、拉什洛·托斯

Interspeech 2015计算辅助语言学挑战赛包括两项回归学习任务，即帕金森氏条件子挑战赛和本土程度子挑战赛。我们评估了两种最先进的机器学习方法，即深度神经网络（DNN）和高斯过程回归（GPR）。我们还试验了各种分类器组合和特征选择方法。对于本土化程度子挑战，我们获得了比基线论文中给出的Spearman相关值好得多的相关值。对于帕金森氏病亚挑战，我们表明DNN和GPR都与基线SVM相竞争，并且通过组合分类器可以进一步改进结果。然而，当我们应用说话人聚类方法来识别属于同一说话人的文件时，我们获得了迄今为止最好的结果。

doi:10.21437/Interspeech.2015-195

引自：Grósz，T.、Busa-Fekete，R.、Gosztolya，G.、Tóth，L.（2015）《使用高斯过程和深度整流神经网络评估天生程度和帕金森氏病》。程序。Interspeech 2015，919-923，doi:10.21437/Interspeech.2015-195

@正在进行{grosz15_interspeech，author={塔马斯·戈洛什（Tamás Grósz）和罗贝特·布萨·费科特（Róbert Busa-Fekete）、加博尔·戈斯托利亚（Gábor Gosztolya）和拉兹洛·托斯（LászlóTóth）}，title={{使用高斯过程和深度整流神经网络评估固有程度和帕金森氏病}}，年份=2015年，booktitle={Proc.Interspeech 2015}，页数={919--923}，doi={10.21437/Interspeech.2015-195}，issn={2308-457X}}