文献

J-GLOBAL ID：201802245076228849   整理番号：18A1134230

改良型脳感情学習モデルに基づく音声感情認識【JST・京大機械翻訳】

Speech emotion recognition based on an improved brain emotion learning model

著者 (12件)： Liu Zhen-Tao (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Liu Zhen-Tao (Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems, Wuhan 430074, China) ,  Xie Qiao (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Xie Qiao (Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems, Wuhan 430074, China) ,  Wu Min (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Wu Min (Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems, Wuhan 430074, China) ,  Cao Wei-Hua (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Cao Wei-Hua (Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems, Wuhan 430074, China) ,  Mei Ying (School of Electrical and Information Engineering, Hunan University of Arts and Science, Changde 415000, China) ,  Mei Ying (School of Information Science and Engineering, Central South University, Changsha 410083, China) ,  Mao Jun-Wei (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Mao Jun-Wei (Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems, Wuhan 430074, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 309  ページ： 145-156  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人間-ロボット感情相互作用は近年急速に発展し,そこでは音声感情認識が重要な役割を果たしている。本論文において,改良脳感情学習(BEL)モデルに基づく音声感情認識方法を提案して,それは脳におけるlim系の感情的処理機構によって触発された。しかし,BELモデルの強化学習規則は,それに悪い適応を持って,その性能に影響を及ぼす。これらの問題を解決するために,遺伝的アルゴリズム(GA)を用いて,BELモデルの重みを更新した。提案は,MFCC関連特徴とそれらの一次デルタ係数が抽出されるCASIA中国語感情コーパス,SAVEE感情コーパス,およびFAU Aiboデータセットに関してテストされる。さらに,提案を,線形判別分析(LDA),主成分分析(PCA),およびPCA+LDAの三次元縮小法を用いて特徴集合の次元を低減するINTERSPEECH2009標準特徴集合について試験した。実験結果により,話者依存(SD)音声感情認識に対する平均認識精度は90.28%(CASIA),76.40%(SAVEE)および71.05%(FAU Aibo)であり,話者独立(SI)音声感情認識に対する最高平均精度は38.55%(CASIA),44.18%(SAVEE),64.60%(FAU Aibo)であることを示し,提案が音声感情認識において実行可能であることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 主成分分析 ,  強化学習 ,  高速度 ,  三次元 ,  ロボット ,  コーパス ,  中国語 ,  遺伝的アルゴリズム ,  *学習 ,  *学習モデル ,  相互作用
準シソーラス用語： *感情認識 ,  認識精度 ,  話者 ,  *音声感情認識 , 【Automatic Indexing@JST】

著者キーワード (5件)： 音声 ,  感情認識 ,  脳のヒント ,  脳の感情学習 ,  遺伝的アルゴリズム

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 脳 ,  感情 ,  学習モデル ,  音声感情認識