文献

J-GLOBAL ID：200902255596217796   整理番号：08A0083300

頑健なパラメタ推定のためのAggregated EM法の提案と評価

Aggregated EM Algorithm for Robust Parameter Estimation

著者 (3件)： 篠崎隆宏 (東京工大) ,  OSTENDORF Mari (Univ. Washington, Washington, USA) ,  河原達也 (京大 学術情報メディアセ)
資料名： 情報処理学会研究報告  (IPSJ SIG Technical Reports)
巻： 2007  号： 129(SLP-69)  ページ： 223-228  発行年： 2007年12月20日 
JST資料番号： Z0031B  ISSN： 0919-6072  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： EMアルゴリズムの欠点である過学習の問題を補い,高い汎化能力を持つ学習アルゴリズムとしてAggregated EM法の提案を行う。従来のEMアルゴリズムが学習ループ中で学習データ全体を用いた単一モデルの推定と尤度の評価を繰り返すのに対して,提案法では学習の各ステージにおいてBaggingと同様に学習セットの部分集合から複数のモデルを推定しそれらの結果を統合することで学習性能の向上を図る。提案手法は区分化した学習セットの各区画に対して求めた十分統計量を活用することで,効率的に動作する。人工的なデータを用いた混合ガウス分布の学習実験により,提案法が従来のEMアルゴリズムと比較して過学習に対して頑健であることを示す。また,中国語放送音声および日本語話し言葉音声を用いた大語彙連続音声認識実験により,提案手法がEM学習と比較してより多くのパラメタを有効に活用し,単語誤り率の削減に有効であることを示す。(著者抄録)

シソーラス用語： *パラメータ推定 ,  アルゴリズム ,  *汎化 ,  *学習アルゴリズム ,  確率 ,  寸法変化 ,  改良 ,  統計量 ,  正規分布 ,  実験 ,  評価試験 ,  ロバスト性 ,  *連続音声認識 ,  EMアルゴリズム ,  評価実験 ,  尤度
準シソーラス用語： Gauss分布 ,  バギング ,  過学習 ,  十分統計量 ,  性能向上

分類 (3件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： パラメタ ,  推定 ,  EM ,  提案 ,  評価