高識別的特徴空間とその探索法の最小分類誤り基準に基づく統一的実現

2017 年度 研究成果報告書

• 研究課題/領域番号: 26280063
• 研究種目: 基盤研究(B)
• 配分区分: 一部基金
• 応募区分: 一般
• 研究分野: 知覚情報処理
• 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: 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) ; 吉岡 拓也 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, 研究主任 (40466404) ; 堀 貴明 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 (20396211)
• 研究期間 (年度): 2014-04-01 – 2018-03-31
• キーワード: 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

研究成果の概要

高識別的な特徴空間，即ち分類誤り確率の最小値自体がより小さな特徴空間の実現を目指して，可変長パターンのための動的時間軸伸縮に基づく幾何マージンおよびそれを用いた大幾何マージン最小分類誤り学習法の開発と，小規模で高識別的なカーネル分類器実現のためのカーネル最小分類誤り学習法の拡張，深層ニューラルネットワークを用いる音声認識技術のための話者適応学習や補助ネットワークを用いた高識別的音声特徴空間の実現，大規模音声認識器のための高速解候補探索技術の構築を行った．また，推定境界における分類判断の曖昧性に基づく「ベイズ境界らしさ」基準を用い，ハイパーパラメータをパラメータ化し得る学習法開発への道を拓いた．

自由記述の分野

人間情報学（知覚情報処理），知能情報学