음성 인식에서 가우시안 혼합 모델과 방사형 기저 함수 비교 연구

초록

본 논문은 10개의 모음 클래스로 구성된 데이터셋을 이용해 가우시안 혼합 모델(GMM)과 두 종류의 방사형 기저 함수(RBF) 모델을 학습·검증하고, 인식 정확도와 처리 시간을 비교하였다. EM 알고리즘으로 학습한 GMM은 표준 RBF보다 1% 미만 높은 94.0%의 정확도를 보였으며, DTREG 기반 RBF는 94.8%로 가장 높은 정확도를 기록했다. 처리 속도 면에서는 표준 RBF가 가장 빠았다. 세 모델 모두 기존 문헌에 보고된 유사 모델보다 우수한 성능을 나타냈다.

상세 분석

이 연구는 음성 생체인식 분야에서 널리 사용되는 두 가지 대표적인 확률 모델, 즉 가우시안 혼합 모델(GMM)과 방사형 기저 함수(RBF) 네트워크를 직접 비교함으로써 각각의 장단점을 실험적으로 규명하고자 하였다. 데이터셋은 10개의 모음 클래스로 구성되어 있으며, 각 클래스는 충분히 다양한 발음 변이를 포함하도록 설계되었다. GMM은 Expectation‑Maximization(EM) 알고리즘을 통해 파라미터를 추정했으며, 각 클래스별로 최적의 혼합 성분 수를 교차 검증을 통해 결정하였다. EM 과정에서 수렴 기준을 로그우도 변화량 10⁻⁴ 이하로 설정함으로써 과적합을 방지하고 학습 안정성을 확보하였다.

RBF 모델은 두 가지 변형으로 구현되었다. 첫 번째는 표준 RBF 네트워크로, 중심(centroid)과 폭(σ)을 K‑means 클러스터링으로 초기화한 뒤, 선형 출력 가중치를 최소제곱법으로 학습하였다. 두 번째는 DTREG 소프트웨어에 내장된 고급 RBF 구현체로, 자동 차원 축소와 정규화 기법을 적용해 모델 복잡도를 조절한다. 두 RBF 모두 은닉층에 동일한 수의 뉴런을 사용했으며, 활성화 함수는 가우시안 형태를 채택하였다.

성능 평가는 인식 정확도와 처리 시간 두 축으로 이루어졌다. GMM은 94.0%의 정확도로 표준 RBF보다 약 0.8% 높은 성능을 보였지만, 학습 및 추론 단계에서 계산량이 상대적으로 많아 시간 효율성에서는 뒤처졌다. 표준 RBF는 93.2%의 정확도를 기록했지만, 가장 짧은 추론 시간을 달성해 실시간 응용에 유리함을 시사한다. DTREG RBF는 94.8%라는 최고 정확도를 얻었으며, 이는 모델 내부의 정규화와 자동 파라미터 튜닝이 효과적임을 보여준다. 그러나 DTREG 구현은 상용 소프트웨어에 의존하므로 재현성 및 비용 측면에서 제한이 있다.

이 논문은 또한 기존 문헌과의 비교를 통해 세 모델이 기존 연구에서 보고된 90%대 정확도를 크게 상회함을 입증한다. 다만 데이터셋이 모음에 국한되어 있어 자음이나 연속 음성에 대한 일반화 가능성은 추가 연구가 필요하다. 향후 연구에서는 더 큰 규모의 다중 언어 데이터와 딥러닝 기반 모델을 도입해 비교 범위를 확대하고, 하드웨어 가속을 통한 실시간 처리 성능을 심층 분석할 계획이다.