| 研究課題/領域番号 |
17K12718
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
俵 直弘 早稲田大学, 理工学術院, 講師(任期付) (50726255)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | パターン認識 / クラスタリング / 深層学習 / ドメイン適応 / 低資源言語音声認識 / 音響モデル / 言語モデル / 話者適応 / 話者特徴抽出 / 音素特徴抽出 / 音声強調 / 敵対的学習 / 低資源言語 / 音響特徴抽出 / 機械学習 / アルゴリズム |
|---|
| 研究成果の概要 |
系列データから特徴的なパターンを発見し分類することで，事前知識が存在しない未知のドメインデータから，そのドメイン特有のクラス単位を自動的に獲得する枠組みの検討を行った．特に，複数の側面を持つ系列データから所望のクラスを発見するための要素技術として，クラス獲得のためのクラスタリング技術，目的のクラスに関し識別的な特徴を選択的に抽出するための特徴抽出法，そして既知ドメイン知識を組み合せて未知ドメインを表現するための枠組みを提案しその有効性を示した．
|
| 研究成果の学術的意義や社会的意義 |
本研究成果により，まだ有効な手法が確立されていない未知ドメインからの知識獲得や既知ドメイン知識から未知ドメイン知識を得るための新たな指針を与えることができた．また，本研究で提案した複数の側面をもつ観測データから特定の側面の情報を選択的に取り出すことができるディスエンタングリング特徴抽出アプローチは，本研究で想定した未知ドメインデータのみならず，より汎用的なパターン認識問題への適用が期待される．
|
