文献

J-GLOBAL ID：201702219167920976   整理番号：17A0056383

コネクショニスト時間分類を用いたセグメント配列に訓練LDCRFモデル【Powered by NICT】

Training LDCRF model on unsegmented sequences using connectionist temporal classification

著者 (3件)： Atashin Amir Ahooye (Department of Computer Engineering, Ferdowsi University of Mashhad, Iran) ,  Ghiasi-Shirazi Kamaledin (Department of Computer Engineering, Ferdowsi University of Mashhad, Iran) ,  Harati Ahad (Department of Computer Engineering, Ferdowsi University of Mashhad, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICCKE  ページ： 280-285  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 音声認識,ジェスチャ認識,および手書き文字認識のような多くの機械学習問題は配列データの同時セグメンテーションとラベリングに関するものである。潜在的動的条件付き確率場(句チャンキング)は,このタスクに成功裏に使用されているよく知られた識別方法である。しかし,句チャンキングは,各フレームのラベルが利用可能な事前前分割データ配列を用いて訓練されたことができた。ニューラルネットワークの分野では,コネクショニスト時間分類(CTC)の発明は大きな成功を用いた切れ目のない配列にリカレントニューラルネットワークを訓練することを可能にした。本論文では,セグメンテーションされていない配列に句チャンキングモデルを訓練するためにCTCを用いた。二ジェスチャ認識タスクでの実験結果は,提案した方法がLDCRFs,隠れMarkovモデル,および条件付き確率場を凌ぐことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *セグメンテーション ,  ラベリング ,  ニューラルネットワーク ,  手書き文字認識 ,  機械学習 ,  音声認識 ,  隠れMarkovモデル
準シソーラス用語： リカレントニューラルネットワーク ,  チャンキング ,  句 ,  条件つき確率場 ,  ジェスチャー認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 分類 ,  セグメント ,  訓練 ,  モデル