状態と出力に相互依存関係を有する確率モデルの構造最適化と頑健性強化に関する研究

状态与输出相互依赖的随机模型结构优化及鲁棒性增强研究

• 批准号: 17700208
• 负责人: 小川 哲司
• 金额: $ 1.6万
• 依托单位: Waseda University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2005
• 资助国家: 日本
• 起止时间: 2005 至 2006
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-17700208/
• 关键词: パターン認識; 音声情報処理; 自然発話音声認識; 音響モデル; モデル構造最適化

本年度は,以下の2点について検討を行った.(1)部分隠れマルコフモデル(PHMM)のモデル構造最適選択PHMMのモデル構造を音韻毎に最適化する枠組みとして,昨年度は,評価基準として重み付き尤度比最大化基準を,最適化アルゴリズムとして遺伝的アルゴリズムを導入し,講演音声認識において従来法の誤りを削減した.本年度は,下記A)〜C)について詳細な検討を行った.A)評価関数:重み付き尤度比基準,最尤基準,ベイズ基準など複数の評価基準を導入し認識性能を評価したところ,識別的な基準である尤度比基準が最良の性能を与えることがわかった.B)最適化アルゴリズム:遺伝的アルゴリズムとタブサーチを用いたときの性能を評価したところ,タブサーチは局所解に陥りやすく,遺伝的アルゴリズムの方が高速に最適解に到達することがわかった.C)識別クラスの共有:探索の効率化のため音韻のクラスタリングを行ったが,最適化の段階でクラスを共有してしまうと,共有しない場合と同程度の性能を得られないことがわかった.(2)環境の変動に頑健な特徴量の検討PHMMのように高精度な確率モデルは,HMMなどの単純なモデルと比較して発話者や環境の変動の影響を受け易い.したがって,音響特徴量から発話者の情報や環境の情報を取り除き,識別に必要な情報である音韻情報のみを抽出する手法(識別情報抽出)について検討を行った.識別情報抽出として,HLDAやそれを拡張したManifold HLDA(MHLDA)を提案し,単語音声認識により評価を行ったところ,HLDAとMHLDAにより抽出されたパラメータを統合することで,環境の変動に対して頑健な性能を与えることがわかった.この知見を発展させ,HLDAにブースティングを導入した確率モデルの統合手法についても検討を行い,最尤識別に比べ頑健性の高い認識が可能になるという予備的な知見も得た.

は this year, the following の 2 に つ い て 検 line for を っ た. (1) the government れ マ ル コ フ モ デ ル (PHMM) の モ デ ル structure optimum sentaku PHMM の モ デ ル tectonic を rhyme in their optimal に す る 枠 group み と し て, annual は yesterday, benchmark review 価 と し て heavy み pay than to maximize the benchmark を き especially degree, optimization ア ル ゴ リ ズ ム と し て heritage 伝 ア Youdaoplaceholder0 to introduce ゴリズムを, to recognize the sound of the speech にお て従 て従 to reduce the error of the French <s:1> and cut the <s:1> た. は this year, under A) ~ C) に つ い て detailed な 検 line for を っ た. A) A review of the 価 masato: heavy み pay き degrees than the benchmark, the benchmark, ベ イ ズ benchmark な ど plural の evaluation benchmark 価 を import し know を performance review 価 し た と こ ろ, identify な benchmark で あ る most good degrees than the benchmark が の performance を and え る こ と が わ か っ た. B) optimization ア ル ゴ リ ズ ム : but 伝 ア ル ゴ リ ズ ム と タ ブ サ ー チ を with い た と き の を performance evaluation 価 し た と こ ろ, タ ブ サ ー チ は bureau solution に 陥 り や す く, but 伝 ア ル ゴ リ ズ ム の party が high-speed に に reach optimum solution す る こ と が わ か っ た. C) to identify ク ラ ス の Shared: explore の sharper rate change の た め phonological の ク ラ ス タ リ ン グ を line っ た が, most Optimization の Duan Jie で ク ラ ス を mutual し て し ま う と, a total of し な い occasions と の を performance to the same extent ら れ な い こ と が わ か っ た. (2) environmental の - move に robust な, の 徴 quantity beg PHMM 検 の よ う に high-precision な probabilistic モ デ ル は, HMM な ど の 単 pure な モ デ ル と compare し て 発 の や environment the speaker's words - the influencing を け easy い. の し た が っ て, stereo 徴 quantity か ら 発 words の や environment の intelligence を り except き, identify に な necessary information で あ る phonological intelligence の み を spare す る technique (identification information extraction) に つ い て 検 line for を っ た. Identify the intelligence extract と て て,HLDAやそれを拡, zhang たManifold HLDA MHLDA を proposal し, 単 voice sound understanding に よ り review 価 を line っ た と こ ろ, HLDA と MHLDA に よ り spare さ れ た パ ラ メ ー タ を integration す る こ と で, environmental の - move に し seaborne て robust な performance を and え る こ と が わ か っ た. こ の knowledge を 発 exhibition さ せ, HLDA に ブ ー ス テ ィ ン グ を import し た Probabilistic モ デ ル の integration technique に つ い て も 検 for line を い, most especially to identify に than べ cognition の high い robust が may に な る と い う reserve な know see も た.

项目成果

ロボット頭部に設置した4系統指向性マイクロホンによる音源定位におけるHLDA利用の効果

使用安装在机器人头部的四个定向麦克风使用 HLDA 进行声源定位的效果

• 发表时间: 2005
• 期刊: 日本音響学会秋季研究発表会講演論文集
• 作者: 久保俊明;持木南生也;小川哲司;小林哲則
• 通讯作者: 小林哲則

ロボット頭部に設置したマイクロホンによる環境変動に頑健な音源定位

使用安装在机器人头部的麦克风针对环境变化进行稳健的声源定位

• 发表时间: 2005
• 期刊: 人工知能学会研究会資料 SIG-Challenge-0522
• 作者: 久保俊明;持木南生也;小川哲司;小林哲則
• 通讯作者: 小林哲則

重み付きHLDAを用いた相補的識別器の構成

使用加权 HLDA 构建互补分类器

• 发表时间: 2007
• 期刊: 日本音響学会春季研究発表会講演論文集
• 作者: 加藤健一;小川哲司;小林哲則
• 通讯作者: 小林哲則

Optimizing the Structure of Partly-Hidden Markov Models Using Weighted Likelihood-Ratio Maximization Criterion

使用加权似然比最大化准则优化部分隐马尔可夫模型的结构

• 发表时间: 2005
• 期刊: Proc.of Interspeech
• 作者: Tetsuji Ogawa;Tetsunori Kobayashi
• 通讯作者: Tetsunori Kobayashi

Manifold HLDA and Its Application to Robust Speech Recognition

流形HLDA及其在鲁棒语音识别中的应用

• 发表时间: 2006
• 作者: Toshiaki Kubo;Tetsuji Ogawa;Tetsunori Kobayashi
• 通讯作者: Tetsunori Kobayashi