2021 Fiscal Year Annual Research Report
| Project/Area Number |
18H03266
|
|---|
| Research Institution | Doshisha University |
|---|
Principal Investigator |
片桐 滋 同志社大学, 理工学部, 教授 (40396114)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中村 篤 名古屋市立大学, 大学院理学研究科, 教授 (50396206)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | パターン認識 / ベイズ境界 / 最小分類誤り確率状態 / 汎化問題 / 未知標本耐性 |
|---|
| Outline of Annual Research Achievements |
昨年度の国際会議で発表した高速なBBS（Bayes Boundary-based optimal pattern classifier Selection）法について，論文誌の論文として発表するに至った．これは，旧来型のBBS法の10000倍程度にも及ぶ（実行時間が旧来型の1/10000程度の）高速な改良法であり，本研究課題である「パターン認識におけるクラス境界評価基準の構築」を，固定次元のベクトルに限って言えばほぼ順調に達成し得たものと考えている．
また，この（以前の）BBS法の高速化を目指して開発を進めてきたMBB（Maximum Bayes Boundary-ness）法に関し，そこで用いられる損失の窓関数の影響の分析や，計算速度の分析を行った．その結果，特に，勾配探索法を用いて最適化を行う本MBB法において，その最適化の約半分の計算を削減しても，MBB法の損失とほぼ同形状の損失の最小化が可能であることが明らかになった．実験の結果，実行時間をほぼ15％削減しても，従来法とほぼ同等のベイズ境界の推定精度が得られることが明らかになった．
さらに，「パターン生成能力を直接反映する正則化」法を用いる音声認識の研究において明らかになってきた，正則化係数と合成音声品質との関係について，KMCE（Kernel Minimum Classification Error）学習法を用いる音声認識を行なった．しかし，この手法は，実行時間が相当長く，今後その短時間化が望まれる．また，ベイズ境界性をもたらす正則化法に関し，その効果がより明確に現れるデータを調査し，これまでの大人の標準語音声に替え，周波数特性のみならず発音さえも異なる，子供の音声や大人の方言音声の認識実験を開始した．本研究の最終年度である次年度は，これらの音声認識実験を通して，正則化がもたらすベイズ境界性を追求する予定である．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年，その概要を国際会議論文として公表した，およそ10000倍に及ぶBBS法の高速化（1/10000倍の短時間化）の達成に関する論文は，海外の論文誌論文として発表するに至った．また，BBS法をより使い易いものとして提案しているMBB法についても，その高速化がさらに進められ，それも学会で発表するに至っている．さらに，固定次元ベクトルに関してはほぼ達成が可能となってきたベイズ誤りを，可変長パターン（ベクトル）に関しても達成すべく，音声合成能力を正則化条件とするMCE（Minimum Classification Error）学習法などを用いた実験を行なってきた．これらの成果より，ほぼ順調に進展しているものと考えられる．
|
| Strategy for Future Research Activity |
昨年述べたように，これまで開発してきた手法は，いずれもベイズ誤り状態の極めて優れた推定手法として成り立っているように見受けられる．また，やはり昨年述べたように，海外の論文誌に掲載された改良版BBS法に関する検討はほぼ収束させ，ベイズ境界を求めること自体に研究の焦点を合わせ，その実際的な解を示すMBB法とパターン生成能力を直接反映する正則化法とが持つ，ベイズ境界推定能力の推定を着実に進めることにする．
まず，MBB法に関しては，その計算過程の見直しを行なった結果，即ちその高速版の，論文化を行う予定である．また，これまでも追求してきた，音声等の可変長パターンのMBB法による認識実験を行い，その有効性の検証も行う予定である．さらに，これまで可変長パターンの認識実験によってのみ行なってきた，パターン生成能力を直接反映する正則化法の効果の検証も，固定次元パターンを対象に行っていく予定である．
正則化法を探究するために導入した，方言や子供の音声の（より困難な）認識実験を通して，ベイズ誤り推定の基盤を探究する予定である．なお，これまで行った，子供の音声と大人の音声とを対象とした正則化法を伴う音声認識の実験において，より低次の線スペクトル対に子供の音声に特有の変化が現れることが明らかになっている．今後は，こうした対象音声に固有の現象とベイズ誤りとの関係をも明らかにし，各データが持つベイズ誤りの求め方を明らかにしていく予定である．
|
