| 研究課題/領域番号 |
18H03266
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 同志社大学 |
|---|
研究代表者 |
片桐 滋 同志社大学, 理工学部, 教授 (40396114)
|
|---|
| 研究分担者 |
中村 篤 名古屋市立大学, 大学院理学研究科, 教授 (50396206)
渡辺 秀行 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 連携研究員 (40395091)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
15,470千円 (直接経費: 11,900千円、間接経費: 3,570千円)
2022年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2021年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2020年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2019年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2018年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | 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 |
|---|
| 研究成果の概要 |
推定クラス境界と理想的なベイズ境界との一致度を評価する研究の結果，多数のパターン認識器の候補の中から最適な認識器を選択するBBS法と，その一万倍にも及ぶ高速化を実現した改良法，損失最小化を経て直接的に認識器のベイズ境界性を高めるMBB法を開発し，またそのMBB法の改良により，理論的な最小分類誤り率に極めて近い誤り率を達成し得る手法の開発を達成した．なお，これらの手法はいずれも固定次元のパターン認識において評価されたが，音声のような可変長パターンの認識に向けてCS-ACELP法を用い，そこで用いる正則化係数がある値の時に誤分類率が対象音声のベイズ誤り率に近くなることを見出した．
|
| 研究成果の学術的意義や社会的意義 |
情報処理の根幹を成す要素技術であるパターン認識の究極の目的は，与えられたパターンデータに対するベイズ誤り（ベイズ境界）を達成することである．そのため，そのベイズ誤りを達成する手法の開発は学術的にも社会的にも極めて大きな価値がある．従って，得られたBBS法やMBB法，またその改良版などは，ベイズ誤りをかなりの精度で達成できており，適応対象が固定次元のパターンのみであっても大いに評価されるべきものと考えている．また，音声のような可変長パターンの認識において，正則化項の値を調整することでCS-ACELP法によって正確にベイズ誤りを達成し得ることを明らかにもしており，その意義も大きいと思われる．
|
