| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-03-03 16:45 複数の隠れマルコフモデルの重み付けによるベイズ基準のもとでの最適な音素の予測 ○山岡大志・齋藤翔太・松嶋敏泰（早大）  EA2020-76 SIP2020-107 SP2020-41 |
|
| 抄録 | （和） | 本研究では， 隠れマルコフモデルを用いた予測問題の予測方法について提案を行う．具体的には予測問題の一つである音素認識についての提案である． 音素認識の従来の研究は，予測に用いる隠れマルコフモデルをある基準で一つに定めている．また定めた隠れマルコフモデルに対して，学習データからパラメータ等を推定し，それらを用いて新規音声データに対応する音素を予測していた． 本研究では，損失関数として0-1損失を仮定し，統計的決定理論に基づき，ベイズ基準のもとで最適な予測を定式化する．すなわち隠れマルコフモデルとそのパラメータを推定し，それらを用いて予測するのではなく，直接的に予測の誤り確率を最小にする予測を提案する．この予測は理論最適性を有するものの，その計算には次の二つの問題が含まれている：(i) 状態遷移系列の和計算の計算量が音声の長さに対して指数オーダーとなること，(ii) 隠れマルコフモデルのパラメータの事後分布による積分の解析的な計算が困難であること．これらの問題を解決するために，本研究では，問題(i)に対してはビタビアルゴリズム，問題(ii)に対しては変分ベイズ法を適用し，ベイズ準最適なアルゴリズムを提案する．このアルゴリズムは，複数の隠れマルコフモデルの近似事後分布による重み付き平均により予測を行う．人工データを用いた数値実験を行うことで，従来研究のようにモデルを一つに選択して予測する手法に比べて，提案手法の方が誤認識率が小さいことを確かめた． |
| （英） | In this paper, we propose a prediction method for prediction problems using a hidden Markov model. Specifically, it is a proposal for phoneme recognition, which is one of the prediction problems. In the previous studies on phoneme recognition using the Hidden Markov Model, the Hidden Markov Model used for prediction is defined as one by a certain criteria. In addition, for the defined Hidden Markov Model, parameters were estimated from the training data, and the phonemes corresponding to the new speech data were predicted using paremters. In this peper, we assume 0-1 loss as the loss function, and formulate the optimum prediction based on Bayesian criterion. In other words, instead of selecting one Hidden Markov Model and estimating its parameters and making predictions using them, we propose a prediction that directly minimizes the probability of error in the prediction. Although this prediction is theoretically optimal, its calculation involves two problems: (i) The complexity of the sum calculation of the state transition series is on the exponential order with respect to the length of the voice. (ii) It is difficult to analytically calculate the integral by the posterior distribution of the parameters of the Hidden Markov Model. In order to solve these problems, in this paper, we apply the Viterbi algorithm for problem (i) and the Variational Bayesian method for problem (ii), and propose a Bayesian semi-optimal algorithm. This algorithm makes predictions by weighted averages of approximate posterior distributions of multiple Hidden Markov Models. By conducting numerical experiments using artificial data, it was confirmed that the proposed method has a smaller false recognition rate than the method of selecting and predicting one model as in the previous research. |
|
| キーワード | （和） | 音素認識 / 隠れマルコフモデル / ベイズ規準 / / / / / |
| （英） | Phoneme recognition / Hidden Markov model / Bayes criteria / / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 399, SP2020-41, pp. 97-102, 2021年3月. | |
| 資料番号 | SP2020-41 | |
| 発行日 | 2021-02-24 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2020-76 SIP2020-107 SP2020-41 |
|
| 研究会情報 | |
| 研究会 | EA US SP SIP IPSJ-SLP |
| 開催期間 | 2021-03-03 - 2021-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 音声,応用／電気音響,信号処理，超音波，一般 |
| テーマ（英） | Speech, Engineering/Electro Acoustics, Signal Processing, Ultrasonics, and Related Topics |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2021-03-EA-US-SP-SIP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 複数の隠れマルコフモデルの重み付けによるベイズ基準のもとでの最適な音素の予測 |
| サブタイトル（和） | |
| タイトル（英） | An optimal prediction of phoneme under Bayes criterion by weighting multiple hidden Markov models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音素認識 / Phoneme recognition |
| キーワード(2)（和/英） | 隠れマルコフモデル / Hidden Markov model |
| キーワード(3)（和/英） | ベイズ規準 / Bayes criteria |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山岡 大志 / Taishi Yamaoka / ヤマオカ タイシ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 齋藤 翔太 / Shota Saito / サイトウ ショウタ |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 松嶋 敏泰 / Toshiyasu Matsushima / マツシマ トシヤス |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-03 16:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | EA2020-76, SIP2020-107, SP2020-41 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.397(EA), no.398(SIP), no.399(SP) |
| ページ範囲 | pp.97-102 |
| ページ数 | 6 |
| 発行日 | 2021-02-24 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]