特許
J-GLOBAL ID：201503021370506931
自動音声認識システムにおける選択的にバイアスをかけられた線形判別分析の方法及びシステム
発明者：
,
,
出願人/特許権者：
代理人 (12件)：
小野 誠
, 金山 賢教
, 坪倉 道明
, 重森 一輝
, 安藤 健司
, 市川 英彦
, 青木 孝博
, 櫻田 芳恵
, 川嵜 洋祐
, 今藤 敏和
, 岩瀬 吉和
, 城山 康文
公報種別：公表公報
出願番号（国際出願番号）：特願2015-528672
公開番号（公開出願番号）：特表2015-526766
出願日： 2013年08月23日
公開日（公表日）： 2015年09月10日
要約：
自動音声認識システムにおける選択的にバイアスをかけられた線形判別分析のシステム及び方法が提示される。線形判別分析(Linear Discriminant Analysis:LDA)が、音響的特徴空間内での隠れマルコフモデル(hidden Markov model:HMM)結合状態の間での判別を改善するために使用され得る。クラス間共分散行列及びクラス内共分散行列が、コンテキスト依存トライフォン音響モデルの共有されているHMM状態のような、結合状態の観測される認識エラーに基づいてバイアスをかけられ得る。認識誤りは、その後分析においてクラスとして使用され得る結合状態を利用して、訓練された最尤音響モデルから得られ得る。【選択図】図1
請求項（抜粋）：
最尤基準を使用して音響モデルを訓練するための方法であって、
a.音声訓練データの強制アラインメントを実施するステップと、
b.前記訓練データを処理して推定散布図行列を得るステップであって、前記散布図行列が平均ベクトルを推定し得るクラス間散布図行列及びクラス内散布図行列のうちの1つ又は複数を含み得る、ステップと、
c.前記クラス間散布図行列及び前記クラス内散布図行列にバイアスをかけるステップと、
d.前記クラス間散布図行列及び前記クラス内散布図行列を対角化して、変換散布図行列を生成するための固有ベクトルを推定するステップと、
e.前記推定されたベクトルを使用して新たな識別的特徴を得るステップであって、前記ベクトルは新たな空間における最も大きい判別に対応する、ステップと、
f.前記新たな識別的特徴に基づいて新たな音響モデルを訓練するステップと、
g.前記音響モデルを保存するステップと、
を含むことを特徴とする方法。
IPC (3件)：
G10L 15/06
, G10L 15/14
, G10L 15/18
G10L15/06 300C
, G10L15/14 200Z
, G10L15/18 300H
