2017 Fiscal Year Annual Research Report
Minimum Classification Error Criterion-based Development of Highly Discriminative Feature Space Associated with Optimal Class Boundary Search Methods
| Project/Area Number |
26280063
|
|---|
| 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) |
渡辺 秀行 株式会社国際電気通信基礎技術研究所, その他部局等, 研究員 (40395091)
中村 篤 名古屋市立大学, 大学院システム自然科学研究科, 教授 (50396206)
Delcroix Marc 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, 協創情報研究部, 主任研究員 (70793339)
小川 厚徳 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, メディア情報研究部, 主任研究員 (90527516)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | パターン認識 / 識別学習 / 最小分類誤り学習 / カーネル法 / ニューラルネットワーク / 音声認識 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究は，特徴抽出部と分類部とからなるパターン認識器の実現において，最小分類誤り（MCE）学習法に，カーネル法や深層ニューラルネットワーク（DNN）に基づく特徴写像法を加えて，分類誤り確率の最小値ができるだけ小さな状態（便宜的に高識別的状態と呼ぶ）を達成し得る手法の確立を目指すものである．最終年度のため当初の副課題を集約し，以下のような進捗を得た．
(1) 可変長パターンのための大幾何マージン最小分類誤り（LGM-MCE）学習：動的時間軸伸縮による幾何マージンと状態遷移型クラスモデルとを用いる音声認識器のためのLGM-MCE学習法の高識別的状態達成における有効性を精査し，論文誌で報告した．
(2) カーネル最小分類誤り（KMCE）学習法の評価：分節K平均法によって予め時間長を正規化した可変長パターンを入力とするKMCE法の性能評価を行い，その基本動作を確認した．
(3) DNNによる高識別的特徴空間の実現：通常のDNNに小規模の補助ネットワークを加えて，わずかの学習データを用いるだけで高速に環境適応ができるような高識別的音響特徴空間を実現し，音声認識における有効性を論文誌で報告した．
(4) ハイパーパラメータを用いずに高識別的状態を達成する学習法の開発：勾配型損失最小化に伴うハイパーパラメータの代表である学習係数をより扱い易くするため，RPROP法や疑似焼き鈍し法の概念に基づく自動設定法の有効性の検証を行った．さらに，ハイパーパラメータを取り巻く問題の根源にある検証用標本の利用を止め，学習用標本のみを用いて，学習対象であるクラスモデルパラメータもハイパーパラメータも最適化を行う，全く新しいアプローチを考案した．本アプローチは，分類判断における曖昧性を学習によって得られたクラス境界付近で評価するものであり，SVMを用いた境界評価実験を通して，その基本的有効性を明らかにした．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
29年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
29年度が最終年度であるため、記入しない。
|
