文献

J-GLOBAL ID：201602210920696319   整理番号：16A0143199

パレート最適と進化的戦略を用いた高精度大語彙音声認識システム構築の自動化

Automation of high performance system building for large vocabulary speech recognition using evolution strategy with pareto optimality

著者 (5件)： 森谷崇史 (東京工大 大学院総合理工学研究科) ,  田中智大 (東京工大 大学院総合理工学研究科) ,  篠崎隆宏 (東京工大 大学院総合理工学研究科) ,  渡部晋治 (Mitsubishi Electric Res. Lab., MA, USA) ,  DUH Kevin (奈良先端科学技術大学院大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 115  号： 346(SP2015 70-84)  ページ： 31-36  発行年： 2015年11月25日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年Deep Neural Network(DNN)の応用やその他諸技術の進展により音声認識システムの性能が大きく向上している。しかしこれらのシステムは多数の調整パラメタを持ち,実際に高い認識精度を実現するためには専門家による調整が必要となる。調整のための負担は非常に大きく,認識技術の高度化とともにシステムを実現する上での主要なボトルネックとなりつつある。そこで本研究では,進化的戦略を用いて自動的に大語彙音声認識システムを構築する手法を提案する。具体的には,DNNのモデル構造やモデル学習時の学習係数などのメタパラメタを共分散行列適応進化的戦略(CMA-ES)を用いて最適化する。さらに,認識性能だけではなく学習されるモデルのサイズも考慮するため,多目的最適化手法であるパレート最適とCMA-ESを組み合わせた手法(CMA-ES+P)についても検討する。実験では,提案手法を用いることでベースラインと比べて単語誤り率を0.48%削減したシステムが自動で得られた。また,ベースラインと同等の認識性能を持つDNNを選択した場合,DNNサイズを59%削減できた。本研究で最適化したメタパラメタはKaldiツールキットで公開されているCSJレシピに組み込まれている。(著者抄録)

シソーラス用語： *システム ,  大規模 ,  語彙 ,  計算機システム開発 ,  最適化 ,  精度 ,  自動化 ,  *最適化手法 ,  ニューラルネットワーク ,  Pareto最適化 ,  ディープニューラルネットワーク ,  パラメータ最適化 ,  *音声認識システム ,  高精度 ,  多目的最適化 ,  *進化戦略 ,  改変
準シソーラス用語： システム構築 ,  *進化的戦略

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： パレート最適 ,  進化的戦略 ,  語彙 ,  音声認識システム ,  構築 ,  自動化