언어 장애를 가진 화자는 음성 인식이 어렵습니다. 연합 학습 기반 음성 인식 시스템은 개인 정보 보호에 효과적이지만, 화자 변동성으로 인한 이질성 문제가 발생합니다. 본 연구에서는 이질성을 극복하기 위해 두 가지 집계 전략을 통해 개인 맞춤형 연합 학습을 탐구했습니다.
UASpeech 및 TORGO 데이터셋 실험 결과, 제안된 방법은 기존 연합 학습 방식보다 단어 오류율(WER)을 최대 0.99% (절대값, 3.15% 상대값) 감소시켰습니다.
본 연구는 언어 장애 음성 인식 분야에서 개인 맞춤형 연합 학습의 가능성을 보여줍니다.