遺伝的アルゴリズムを用いた隠れマルコフモデルによる音声自動認識に関する研究

1997 Fiscal Year Annual Research Report

• Project/Area Number: 09680374
• Research Category: Grant-in-Aid for Scientific Research (C)
• Research Institution: University of the Ryukyus
• Principal Investigator: 高良 富夫 琉球大学, 工学部, 教授 (70163326)
• Co-Investigator(Kenkyū-buntansha): 長山 格 琉球大学, 工学部, 助手 (80274885)
• Keywords: 音声自動認識 / 遺伝的アルゴリズム / マルコフモデル / 構造 / 最適化

Research Abstract

音声自動認識のためのモデルとしては、音声の生成を確率過程として捕える隠れマルコフモデルを用いる方法が現在のところ最も有望である。この方法の最も有効な点は、大量の訓練用データをシステムに与えることにより、システム自身が音声の特徴を自動的に学習できることである。
しかし、この方法では、マルコフモデルのパラメータ(状態遷移確率、記号出力確率)は学習により自動的に決定できるが、その値は局所的最適値(極値)にとどまる。また、最適なマルコフモデルの構造(状態数、状態遷移の関係)を決定する効果的なアルゴリズムが確立されていない。
そこで、本研究では、隠れマルコフモデルの構造を自動的に決定するため、生物の進化過程をモデル化した遺伝的アルゴリズムを応用した。具体的には、生物の個体に対応して種々のマルコフモデルを多数生成する。遺伝子コードとしては、モデルの状態遷移関係を採用し、モデルの適応度として、訓練用データに対するモデルの尤度を採用する。この方法では、世代を経るに従い尤度の低いモデルは淘汰され、より認識率の高いモデルが生き残るので、広域的最適な高性能モデルを得ることができる。
遺伝的アリゴリズムを音声認識に適用する場合、コーディング法と適応度を検討しなければならない。モデルの構造をコーディングするため、遺伝的アルゴリズムにおける交差処理で、マルコフモデルの確率的構造を壊さないものとした。さらに、突然変異で構造が壊れ、致死構造となった場合の対処法を検討した。適応度については、先ず、各カテゴリ独立の尤度を利用して進化させた。次に各カテゴリが関連を持って進化できるようにした。

Research Products

• [Publications] T.Takara,K.Higa,I.Nagayama: "Isolated Word Recognition Using the HMM Structure Selected by the Genetic Algorithm" 1997 International Conference on Acoustics,speech,and signal Processing. Vol.2. 967-970 (1997)
• [Publications] 高良富夫,伊波 靖,長山 格: "遺伝的アルゴリズムによる連続型隠れマルコフモデルの構造決定" 日本音響学会春季研究発表会論文集. I. (1998)
• [Publications] 大城 仁,高良富夫,長山 格: "遺伝的アルゴリズムによる離散型隠れマルコフモデルにおける構造補正" 電子情報通信学会九州支部学生会講演会. 50 (1997)
• [Publications] 日高龍一,伊波 靖,高良富夫,長山 格: "遺伝子アルゴリズムを用いる連続型隠れマルコフモデルの構造決定" 電子情報通信学会九州支部学生会講演会. 44 (1997)
• [Publications] 長木栄二,大湾豊光,高良富夫,長山 格: "遺伝的アルゴリズムによる離散型HMMの構造選択と音声認識" 電子情報通信学会九州支部学生会講演会. 42 (1997)