| 研究課題/領域番号 |
06650401
|
|---|
| 研究種目 |
一般研究(C)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
情報通信工学
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
高橋 治久 電気通信大学, 電気通信学部, 助教授 (90135418)
|
|---|
| 研究分担者 |
吉田 利信 電気通信大学, 電気通信学部, 助教授 (30114341)
富田 悦次 電気通信大学, 電気通信学部, 教授 (40016598)
|
|---|
| 研究期間 (年度) |
1994 – 1995
|
| 研究課題ステータス |
完了 (1995年度)
|
| 配分額 *注記 |
2,000千円 (直接経費: 2,000千円)
1995年度: 500千円 (直接経費: 500千円)
1994年度: 1,500千円 (直接経費: 1,500千円)
|
|---|
| キーワード | 音声認識 / ニューラルネットワーク / リカレントネットワーク / 学習 |
|---|
| 研究概要 |
音声認識ネットワークとして、極単純リカレントネットワークを用いて連続音声認識ができることを確認した後、出力層にループをもうけることによって性能が改善されることを発見した.ATR音声データベースによる連続音声入力での実験では、母音で90%台、子音で80%台後半の認識率が得られた.研究目的のうちの理論的柱である学習の解析に関していくつかの成果を挙げた.従来の理論が学習の汎化性能の振る舞いの説明に終始し、定量的な説明にかけているため実用が困難であったので、定量的にも実験と一致する理論の開発を行った.あらゆる学習アルゴリズムの最悪値を評価として用いてきたVC理論に変わり、最悪ではないが平均的によくない振る舞いをする一つのアルゴリズムill-disposedアルゴリズムを導入し汎化性能の解析を行う新しい方法を提案した.非常に大きな値をとる従来の汎化指標であるVC次元に代わり、正則補間次元を導入し汎化性能の予測と所望の性能を出すのに必要なサンプルサイズを定量的に求めることができた.または音声の学習では過学習がおきることが知られており、このメカニズムを明らかにするとともにこれを防ぐ簡単な方法を発見した.この理論をリカレントネットワークに適用して、汎化性能の予測を行った.またネットワークの容量について解析し、与えられたサンプルサイズに対しどのくらのい規模のネットワークが必要であるかを理論的に明らかにした.以上を、音声認識ニューラルネットワークのアーキテクチャ選択に応用することにより、本科研費課題の主目的の一つであるモデル選択手法を確立できた.
|
