| 研究課題/領域番号 |
14J09167
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
柏木 陽佑 東京大学, 工学系研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2014-04-25 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015年度)
|
| 配分額 *注記 |
1,900千円 (直接経費: 1,900千円)
2015年度: 900千円 (直接経費: 900千円)
2014年度: 1,000千円 (直接経費: 1,000千円)
|
|---|
| キーワード | 自動音声認識 / 音声の構造的表象 / 分布間距離 / ニューラルネットワーク / deep learning / 音響モデル / 話者適応 / 構造的表象 |
|---|
| 研究実績の概要 |
本年度は、非言語情報の違いに頑健な特徴量表現に着目したニューラルネットワーク音声認識に関する研究を行った．
現在の音声認識の精度はニューラルネットワークを用いた音声認識の出現により高いものとなってきたが，雑音や話者の違いなどに起因する非言語情報により認識性能が低下するという問題がある．そのため，非言語情報を適切に取り扱う枠組みがニューラルネットワーク音声認識においても非常に重要であると言える．従来の生成モデルに基づくアプローチは，生成モデルのパラメータの意味づけの容易さによって，非言語情報の操作に対する大きなバックグラウンドを持つ．これに対してニューラルネットワークは高い性能を持つが，非常に複雑なモデル構造を持つため，パラメータの意味づけと操作が直感的でなく困難であるという問題があった．
そこで，非言語情報，特に話者の違いに対する理論的バックグラウンドを持つ音声の構造的表象をニューラルネットワークにより計算する手法を提案した．これは，構造的表象の要素である分布間距離をニューラルネットワークによる識別的アプローチにより推定するものである．これにより，音声学的知見をニューラルネットワークへ導入することが可能となり幅広い応用が可能となった．提案した手法の有効性を特徴量ドメイン，音響モデルドメインにおける従来手法に導入することで評価し，それぞれのドメインにおいて従来のアプローチを越える性能が実現できた．
|
| 現在までの達成度 (段落) |
27年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
27年度が最終年度であるため、記入しない。
|
