文献

J-GLOBAL ID：202102236169227409   整理番号：21A1181748

音声画像グラウンディングに基づいた注意機構による効率的な音声言語獲得

著者 (5件)： 篠崎隆宏 (東京工大) ,  張明きん (東京工大) ,  田中智宏 (東京工大) ,  侯びんきん (東京工大) ,  高聖洲 (東京工大)
資料名： 計測自動制御学会システム・情報部門学術講演会講演論文集(CD-ROM)  (計測自動制御学会システム・情報部門学術講演会予稿集(CD-ROM))
巻： 2020  ページ： ROMBUNNO.GS2-4-5  発行年： 2020年 
JST資料番号： F0428D  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： これまでに提案した教師なし単語学習を用いた音声言語獲得手法は,連続的な発話行動空間を音声辞書により離散化することで強化学習を効率化している.しかし語彙数の増加とともに探索空間が増加し,強化学習が困難になる問題がある.本研究では行動価値関数にニューラルネットを用いるエージェントを対象として,視覚に基づき音声辞書中の特定の単語に注意を向ける仕組みを提案する.ロボットが自分の望む食べ物を音声発話により得るタスクを設定したシミュレーション実験により,提案法の有効性を示す.(著者抄録)

シソーラス用語： 成長 ,  強化学習 ,  教師なし学習 ,  ニューラルネットワーク ,  *知能ロボット ,  エージェント ,  会話 ,  画像 ,  単語 ,  視覚 ,  発話 ,  シミュレーション ,  食品 ,  言語発達 ,  会話ロボット
準シソーラス用語： 言語獲得 ,  対話ロボット ,  音声対話

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (3件)：

• D. Harwath, A. Torralba, and J. Glass, “Unsupervised learning of spoken language with visual context,” in Advances in Neural Information Processing Systems, 2016, pp. 1858-1866.
• M. Zhang, T. Tanaka, W. Hou, S. Gao, and T. Shinozaki, “Sound-image grounding based focusing mechanism for efficient automatic spoken language acquisition,” in Proc. Interspeech, 2020.
• N. IWAHASHI, “Language acquisition through a human-robot interface,” Proc. Int. Conf. Spoken Language Processing, 2000.

タイトルに関連する用語 (5件)： 音声 ,  グラウンディング ,  注意 ,  音声言語 ,  獲得