OTIMIZAÇÃO DO ALGORITMO EXPECTATION MAXIMIZATION PARA O MODELO DE MISTURAS GAUSSIANAS USANDO CUDA

Resumo

Este artigo descreve técnicas de otimização realizadas no algoritmo Expectation Mazimization (EM) para o treinamento de Modelo de Misturas de Gaussianas (GMM) utilizando a arquitetura CUDA disponível em GPUs da NVIDIA. O objetivo é o de reduzir o tempo de processamento deste treinamento em aplicações que façam uso do reconhecimento de fala contínuo (Continuous Speech Recognition - CSR) para a língua portuguesa do Brasil. Os experimentos foram conduzidos em 5 (cinco) diferentes bases de dados e variados tamanhos de gaussianas. Resultados mostram redução de quase 90% do tempo de execução E-passo de treinamento se comparado com trabalhos anteriores.