認識誤り最小化基準に基づく高速な識別学習法(パターン認識)
スポンサーリンク
概要
- 論文の詳細を見る
本研究では高性能な識別学習法として知られる一般化確率的降下法(GPD)を用いた最小分類誤り学習法(MCE/GPD)を取り上げる.MCE/GPDはその高い認識性能と可変長ベクトルの取扱いが可能であることから,音声認識などへの応用がなされている優れた認識手法である.しかし,他の認識手法同様,未学習データに対する認識性能低下が問題であった(汎化能力問題).更に,アルゴリズムの複雑さに伴う学習時間問題も抱えており,実用面に難点があった.本研究ではこの二つの問題を解決すべく,不良設定問題を回避する正則化学習の導入による汎化能力改善と,階層的モデル配置による学習の高速化を図る新たな学習法を提案する.性能評価には階層型ニューラルネットワークを用いた.
- 2004-08-01
著者
関連論文
- 認識誤り最小化基準に基づく高速な識別学習法(パターン認識)
- 最小分類誤り学習の汎化能力改善とニューラルネットワークへの応用
- 最尤推定を用いた声道長線形変換による話者正規化(音声言語情報処理とその応用)
- 最尤推定に基づく線形変換を用いた声道長正規化
- 最尤推定に基づく線形変換を用いた声道長正規化
- 最尤推定に基づく線形変換を用いた声道長正規化
- 多人数会話における会話調整とその方略の獲得
- LH-012 ベクトル類似度を用いた順序制約付きステレオ符号化(画像認識・メディア理解)
- ラフ集合決定則を用いた和歌の意味構造発見に関する研究(ヒューマンコミュニケーショングループ(HCG)シンポジウム)
- E-017 独立成分分析を用いた楽曲ジャンル分類(E分野:自然言語・音声・音楽,一般論文)
- 累積重み変化量を用いた中間ユニット数決定法
- F-010 麻雀における行動戦略に関する研究(ゲーム情報学,F分野:人工知能・ゲーム)
- 累積重み変化量を用いた中間ユニット数決定法