2004 Fiscal Year Annual Research Report
ニューラルネットを用いた交差点における事例分類の精度向上に関する研究
| Project/Area Number |
16700155
|
|---|
| Research Institution | Osaka Sangyo University |
|---|
Principal Investigator |
平松 綾子 大阪産業大学, 工学部, 講師 (70309178)
|
|---|
| Keywords | 環境音識別 / ニューラルネット / 集団学習 / バギング / アダブースト |
|---|
| Research Abstract |
交差点内における環境音の識別方法について検討している。ニューラルネットワークは、パターン識別等に用いられる代表的な識別器であり、実装も容易である。しかし、満足のいく性能を得るためには、多くの試行錯誤やパラメータの調整が要求される。近年、識別器の性能を向上させる方法として、一つの識別器だけを用いるのではなく、複数の識別器を組み合わせることにより、最終的な識別を行う集団学習の手法が注目されている。ニューラルネットを集団学習に用いる識別器とすると、ネットワーク構成やパラメータ調整の試行錯誤を十分行うことなく、識別性能が向上すると期待できる。そこで、ニューラルネットを用いた集団学習により交差点で発生する環境音の音源識別する方法を提案した。集団学習には、代表的な手法であるバギングとアダブーストをニューラルネットと共に用いた。集団学習を取り入れることで、識別性能向上を目指す。また、識別性能を確認するために比較実験を行った。実験の結果、以下のことが明らかになった。(1)何の音であるかという細かい分類のカテゴリレベルでは、識別率は55%〜57%であり、バギングがやや識別性能が良い。(2)危険か、そうでないかといった大まかな分類グループレベルでは、識別率は77〜80%であり、ニューラルネットとバギングの組み合わせが、識別性能が最も良い。(3)カテゴリレベルで学習を行い、グループレベルで識別を行った場合には、3つ場合で識別率が80%になり、性能の差はほとんどない。(4)(1)〜(3)すべての場合において、識別性能の差はわずかな場合もあるが、ニューラルネットとバギングを組み合わせた方法が最も良い識別性能を示すことがわかった。
|
