JP2010250161A - 相違度利用型識別的学習装置とその方法、そのプログラム - Google Patents
相違度利用型識別的学習装置とその方法、そのプログラム Download PDFInfo
- Publication number
- JP2010250161A JP2010250161A JP2009100865A JP2009100865A JP2010250161A JP 2010250161 A JP2010250161 A JP 2010250161A JP 2009100865 A JP2009100865 A JP 2009100865A JP 2009100865 A JP2009100865 A JP 2009100865A JP 2010250161 A JP2010250161 A JP 2010250161A
- Authority
- JP
- Japan
- Prior art keywords
- value
- function
- recognition
- positive example
- example side
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
【解決手段】この発明の相違度利用型識別的学習装置は、モデルパラメータ記録部と、パターン認識部と、識別関数値生成部と、相違度算出部と、正例認識比較部と、モデルパラメータ最適化部とを具備する。相違度算出部が認識シンボル系列と正例との相違度を算出し、正例認識比較部がN個(N≧2)の減衰係数と識別関数値と相違度を入力としてそのN個の減衰係数を用いて正例側統合値及びその正例側統合値を補正するための統合値を求め、上記正例側統合値を補正した目的関数を出力する。
【選択図】図1
Description
ボル系列S(S≠R(X))を意図して発声された音声の特徴量系列がXであることの確率であり音響モデルを用いて計算される。PΛL(S)は、負例シンボル系列S(S≠R(X))の出現に関する事前確率であり言語モデルを用いて計算される。ηは、人為的に定めることの出来る事前確率PΛL(S)の効果を制御する係数であり、ηが大きいほど式(2)における事前確率PΛL(S)の寄与が大きくなる。
した誤識別尺度を考えることも出来る。ここでh(・)は任意の単調増加可逆関数、h-1(・)はその逆関数である。連続単語音声認識においては、誤識別尺度d(X;Λ)を例えば式(5)で定義する。
exp(g(X,S;Λ)の中で最大値をとるものが支配的となる。
て得られたシンボル系列W′(W′⊂W)である。また、式(5)を変形すると式(10)で表せる。
られる複数の対立関係にある正例単語系列と負例単語系列が用いられる。識別的学習にお
いては、正例,負例の認識単語系列を十分多くの種類用いて、より多様な認識誤りを考慮
することが重要である。このため、多数の単語から成る単語系列群を単語のネットワーク
構造で効率よく表現出来る単語ラティス等を利用して式(9)及び式(10)の計算が行
われる。そして、正例単語系列を教師情報として利用して総損失が最小化されるようにモ
デルパラメータΛを最適化する。
そして、その相違度を用いた目的関数によってモデルパラメータを最適化する。よって、従来の識別的学習装置のように負例シンボル系列を生成するためのパターン認識処理を必要としない。また、負例シンボル系列の識別関数値を計算する必要も無くなるので所要計算リソース量を削減することが出来る。
この発明の相違度利用型識別的学習方法は、各々の認識シンボル系列に対する正例、負
例の区別を、正例に対する相違度を用いて抽象化し、相違度を基準とした識別関数値の荷重和を用いて学習する方法である。
るものである。図1及び図3、図5の入力信号の表記は、多数の特徴量系列{X1,X2,X3,…}、多数の正例シンボル系列{R(X1),R(X2),R(X3),…}を、X*及びR(X*)と表記している。なお、本文中にはこの表記は用いない。
図1に破線で、正解シンボル系列R(X)の入力を必要としない実施例1の変形例の相違度利用型識別的学習装置100′の機能構成例を示す。変形例は、相違度算出部13′の入力信号とその動作のみが異なる。相違度推定部13′は、学習データの特徴量系列Xとその特徴量系列Xをパターン認識した認識シンボル系列S(S∈W′)と識別関数値g(X,S;Λ)を入力として、認識シンボル系列S(S∈W′)と正例との相違度Δ(R(X,S))の推定値Δ^(S)を推定する。相違度の推定値Δ^(S)は、例えば、[Wessel et ai., 01]の方法により認識結果の確信度θ(S)を推定することで計算出来る。(参考文献:F. Wessel, R. Schiuter, K. Macherey, and H. Ney: Confidence Measures for Large Vocabulary Continuous Speech Recognition, IEEE Transactions on Speech and Audio Processing, vol. 9, no. 3, pp. 288-298 (2001))
S143)。
を累計した値の対数関数値であり、正例側統合値を補正するための統合値である。
す。正例認識比較部50は、識別関数平滑化・逆対数化手段140と、正例側荷重手段1
41と、正例側統合・対数化手段143と、負例側荷重手段242と、負例側統合・対数
化手段244と、統合値比較手段245とを備える。識別関数平滑化・逆対数化手段14
0と正例側荷重手段141と正例側統合・対数化手段143とは、実施例1の正例認識比
較部14と同じものであり、正例側統合・対数化手段143は正例側統合値D(式(16))を出力する。よって、この部分の説明は省略する。
総和の対数関数値である。
学習法より小さな所要計算リソース量でMCE学習法と同等の認識精度の向上が図れる。
この発明の実施例1の相違度利用型識別的学習装置100を用いて、モデルパラメータ
を取得する実験を行った。実験は、日本語の学会講演約230時間分の音声を学習データ
として用いた。まず、既存技術である最大尤度学習法によって初期モデルを学習し、その
初期モデルをそのまま用いて連続単語音声認識装置を動作させた場合の単語誤り率は21.2%であった。
ルパラメータを用いた場合の単語誤り率は18.6%であった。この単語誤り率を比較対象として、相違度利用型識別的学習装置100の第2の減衰係数σ2=−4、第1の減衰係数σ1を1,2,3,4として得たモデルパラメータによる連続単語音声認識結果の単語誤り率を表1に示す。
認識装置を動作させた場合の単語誤り率は18.5%〜18.7%と、従来のMMI学習法による単語誤り率と同等の結果が得られた。なお、この発明の実施例2と従来のMCE学習法との比較実験は未実施であるが、MMI学習法の比較結果と同じように同水準の単語誤り率となると予測される。
能である。また、それ以外の用途として静止画像、動画画像等の時間軸上、空間軸上ある
いはその双方において変化し、何らかの概念情報を表現する特徴量系列をパターン認証対
象とする認識装置に適用することが可能である。具体例としては、手書き文字の画像情報
のパターン認識に用いることが出来る。
Claims (12)
- モデルパラメータを記録するモデルパラメータ記録部と、
学習データの特徴量系列をパターン認識した認識シンボル系列を生成するパターン認識部と、
上記モデルパラメータ記録部を参照して上記認識シンボル系列が上記学習データの特徴量系列に対応するか否かを評価する識別関数値を出力する識別関数値生成部と、
上記認識シンボル系列と正例との相違度を算出する相違度算出部と、
予め定められたN個(N≧2)の減衰係数と上記識別関数値と上記相違度とを入力とし、上記N個の減衰係数を用いて正例側統合値及びその正例側統合値を補正するための統合値を求め、上記正例側統合値を補正した目的関数を出力する正例認識比較部と、
上記目的関数を用いて上記認識シンボル系列に対応する上記モデルパラメータを最適化するモデルパラメータ最適化部と、
を具備する相違度利用型識別的学習装置。 - 請求項1の相違度利用型識別的学習装置において、
上記正例認識比較部は2個の減衰係数を備え、
上記正例認識比較部は、
上記識別関数値に予め定められた正定数を乗じた値の指数関数値である識別関数平滑化値を求め、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じて正例側荷重値とし、全ての認識シンボル系列に対する上記正例側荷重値の総和を任意の単調増加可逆関数に通して正例側統合値として求め、
上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じて認識側荷重値とし、全ての認識シンボル系列に対する上記認識側荷重値の総和を任意の単調増加可逆関数に通して上記正例側統合値を補正するための統合値である認識側統合値を求め、
上記正例統合値から上記認識側統合値を減じたものを目的関数として出力するものであることを特徴とする相違度利用型識別的学習装置。 - 請求項1又は2に記載の相違度利用型識別的学習装置において、
上記正例認識比較部は、
上記識別関数値に予め定められた正定数を乗じ、その値の指数関数値を識別関数平滑化値として計算する識別関数平滑化・逆対数化手段と、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた正例側荷重値を計算する正例側荷重手段と、
全ての認識シンボル系列に対する上記正例側荷重値の総和の対数関数値を正例側統合値として計算する正例側統合・対数化手段と、
上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた認識側荷重値を計算する認識側荷重手段と、
全ての認識シンボル系列に対応する上記認識側荷重値を累計した値の対数関数値を上記正例側統合値を補正するための統合値である上記認識側統合値として出力する認識側統合・対数化手段と、
上記正例統合値から上記認識側統合値を減じたものを目的関数として出力する統合値比較手段と、
を備えることを特徴とする相違度利用型識別的学習装置。 - 請求項1の相違度利用型識別的学習装置において、
上記正例認識比較部は3個の減衰係数を備え、
上記目的関数は、誤識別尺度を損失関数に通したものであり、
上記正例認識比較部は、
上記識別関数値に予め設定した正定数を乗じた値の指数関数値である識別関数平滑化値を求め、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じて正例側荷重値とし、全ての認識シンボル系列に対する上記正例側荷重値の総和を任意の単調増加可逆関数に通して正例側統合値として求め、
上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた第1負例側荷重値と、第2減衰係数よりも大きな第3の減衰係数を上記相違度に乗じた値の指数関数値に上記識別関数平滑化値を乗じた第2負例側荷重値とを計算し、上記第1負例側荷重値から上記第2負例側荷重値を減じて負例側荷重値とし、全ての認識シンボル系列に対する上記負例側荷重値の総和を任意の単調増加可逆関数に通して上記正例側統合値を補正するための統合値である負例側統合値として求め、
上記負例側統合値から上記正例側統合値を減じて上記識別尺度とするものであることを特徴とする相違度利用型識別的学習装置。 - 請求項1又は4に記載の相違度利用型識別的学習装置において、
上記正例認識比較部は、
上記識別関数値に予め定められた正定数を乗じ、その値の指数関数値を識別関数平滑化値として計算する識別関数平滑化・逆対数化手段と、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた正例側荷重値を計算する正例側荷重手段と、
全ての認識シンボル系列に対する上記正例側荷重値の総和の対数関数値を正例側統合値として計算する正例側統合・対数化手段と、
上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑値を乗じた第1負例側荷重値と、第2減衰係数よりも大きな第3の減衰係数を上記相違度に乗じた値の指数関数値に上記識別関数平滑化値を乗じた第2負例側荷重値とを計算し、上記第1負例側荷重値から上記第2負例側荷重値を減じた値を計算する負例側荷重手段と、
全ての認識シンボル系列に対応する上記負側荷重値を累計してその値の対数関数値を上記正例側統合値を補正するための統合値である負例側統合値として出力する負側統合・対数化手段と、
上記負例統合値から上記正例側統合値を減じて上記識別尺度とし、その識別尺度を損失関数に通したものを目的関数として出力する統合値比較手段と、
を備えることを特徴とする相違度利用型識別的学習装置。 - 請求項1乃至5の何れかに記載の相違度利用型識別的学習装置において、
上記相違度算出部は、学習データの特徴量と上記認識シンボル系列と識別関数値とを入力として、上記相違度を、上記認識シンボル系列が正解として信頼できる度合いを表す尺度の確信度として推定した相違度推定値として出力するものであることを特徴とする相違度利用型識別的学習装置。 - パターン認識部が、学習データの特徴量系列をパターン認識した認識シンボル系列を生成するパターン認識過程と、
識別関数値生成部が、モデルパラメータ記録部内のモデルパラメータを参照して上記認識シンボル系列が上記学習データの特徴量に対応するか否かを評価する識別関数値を出力する識別関数値生成過程と、
相違度算出部が、上記認識シンボル系列と正例との相違度を算出する相違度算出過程と、
正例認識比較部が、N個(N≧2)の減衰係数と上記識別関数値と上記相違度とを入力とし、上記N個の減衰係数を用いて正例側統合値及びその正例側統合値を補正するための統合値を求め、上記正例側統合値を補正した目的関数を出力する正例認識比較過程と、
モデルパラメータ最適化部が、上記目的関数を用いて上記認識シンボル系列に対応する上記モデルパラメータを最適化するモデルパラメータ最適化過程と、
を含み、
上記正例認識比較過程は2個の減衰係数を備え、
上記正例認識比較過程は、
上記識別関数値に予め定められた正定数を乗じた値の指数関数値である識別関数平滑化値を求め、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じて正例側荷重値とし、全ての認識シンボル系列に対する上記正例側荷重値の総和を任意の単調増加可逆関数に通して正例側統合値として求め、
上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じて認識側荷重値とし、全ての認識シンボル系列に対する上記認識側荷重値の総和を任意の単調増加可逆関数に通して上記正例側統合値を補正するための統合値として認識側統合値として求め、
上記正例統合値から上記認識側統合値を減じたものを目的関数として出力するものであることを特徴とする相違度利用型識別的学習方法。 - 請求項7の相違度利用型識別的学習方法において、
上記正例認識比較過程は、
識別関数平滑化・逆対数化手段が、上記識別関数値に正定数を乗じ、その値の指数関数値を識別関数平滑化値として計算する識別関数平滑化・逆対数化ステップと、
正例側荷重手段が、上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた正例側荷重値を計算する正例側荷重ステップと、
正例側統合・対数化手段が、全ての認識シンボル系列に対する上記正例側荷重値の総和の対数関数値を正例側統合値として計算する正例側統合・対数化ステップと、
認識側荷重手段が、上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた認識側荷重値を計算する認識側荷重ステップと、
認識側統合・対数化手段が、全ての認識シンボル系列に対応する上記認識側荷重値を累計してその値の対数関数値を上記正例側統合値を補正するための統合値である認識側統合値として出力する認識側統合・対数化ステップと、
統合値比較手段が、上記正例統合値から上記認識側統合値を減じたものを目的関数として出力する統合値比較ステップと、
を含むことを特徴とする相違度利用型識別的学習方法。 - 請求項7の相違度利用型識別的学習方法において、
上記正例認識比較過程は3個の減衰係数を備え、
上記目的関数は誤識別尺度を損失関数に通したものであり、
上記正例認識比較過程は、
上記識別関数値に予め設定した正定数を乗じた値の指数関数値である識別関数平滑化値を求め、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じて正例側荷重値とし、全ての認識シンボル系列に対する上記正例側荷重値の総和を任意の単調増加可逆関数に通して正例側統合値として求め、
上記相違度に上記第1の減衰係数よりも小さな第2の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた第1負例側荷重値と、第2減衰係数よりも大きな第3の減衰係数を上記相違度に乗じた値の指数関数値に上記識別関数平滑化値を乗じた第2負例側荷重値とを計算し、上記第1負例側荷重値から上記第2負例側荷重値を減じて負例側荷重値とし、全ての認識シンボル系列に対する上記負例側荷重値の総和を任意の単調増加可逆関数に通して上記正例側統合値を補正するための統合値である負例側統合値として求め、
上記負例側統合値から上記正例側統合値を減じて上記識別尺度とする過程であることを特徴とする相違度利用型識別的学習装置。 - 請求項7の相違度利用型識別的学習方法において、
上記正例認識比較過程は、
識別関数平滑化・逆対数化手段が、上記識別関数値に予め定められた正定数を乗じ、その値の指数関数値を識別関数平滑化値として計算する識別関数平滑化・逆対数化ステップと、
上記相違度に第1の減衰係数を乗じた値の指数関数値に上記識別関数平滑化値を乗じた正例側荷重値を計算する正例側荷重ステップと、
正例側統合・対数化手段が、全ての認識シンボル系列に対する上記正例側荷重値の総和の対数関数値を正例側統合値として計算する正例側統合・対数化ステップと、
負例側荷重手段が、上記相違度に上記第1の減衰係数よりも小さな第2減衰係数を乗じた第1負例側荷重値と、第2減衰係数よりも大きな第3の減衰係数を上記相違度に乗じた値の指数関数値に上記識別関数平滑化値を乗じた第2負例側荷重値とを計算し、上記第1負例側荷重値から上記第2負例側荷重値を減じた値を上記正例側統合値を補正するための統合値である負例側統合値として計算する負例側荷重ステップと、
負側統合・対数化手段が、全ての認識シンボル系列に対応する上記負側荷重値を累計してその値の対数関数値を負例側統合値として出力する負側統合・対数化ステップと、
統合値比較手段が、上記負例統合値から上記正例側統合値を減じて上記識別尺度とし、その識別尺度を損失関数に通したものを目的関数として出力する統合値比較ステップと、
を含むことを特徴とする相違度利用型識別的学習方法。 - 請求項7乃至10の何れかに記載の相違度利用型識別的学習方法において、
上記相違度算出過程は、学習データの特徴量と上記認識シンボル系列と識別関数値とを入力として、上記相違度を、上記認識シンボル系列が正解として信頼できる度合いを表す尺度の確信度として推定した相違度推定値として出力するものであることを特徴とする相違度利用型識別的学習方法。 - 請求項1乃至6の何れかに記載した相違度利用型識別的学習装置としてコンピュータを機能させるための装置プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009100865A JP5113797B2 (ja) | 2009-04-17 | 2009-04-17 | 相違度利用型識別的学習装置とその方法、そのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009100865A JP5113797B2 (ja) | 2009-04-17 | 2009-04-17 | 相違度利用型識別的学習装置とその方法、そのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010250161A true JP2010250161A (ja) | 2010-11-04 |
JP5113797B2 JP5113797B2 (ja) | 2013-01-09 |
Family
ID=43312546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009100865A Active JP5113797B2 (ja) | 2009-04-17 | 2009-04-17 | 相違度利用型識別的学習装置とその方法、そのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5113797B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011039432A (ja) * | 2009-08-18 | 2011-02-24 | Nippon Telegr & Teleph Corp <Ntt> | 情報圧縮型モデルパラメータ推定装置、方法及びプログラム |
JP2013160998A (ja) * | 2012-02-07 | 2013-08-19 | Nippon Telegr & Teleph Corp <Ntt> | パラメタ推定装置、パラメタ推定方法、音声認識装置、音声認識方法及びプログラム |
JP7479387B2 (ja) | 2019-02-01 | 2024-05-08 | コーニンクレッカ フィリップス エヌ ヴェ | デプロイされた機械学習モデルの信頼尺度 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006201553A (ja) * | 2005-01-21 | 2006-08-03 | Nippon Telegr & Teleph Corp <Ntt> | 識別的学習方法、装置、プログラム、音声認識装置、プログラム、これらのプログラムを記録した記録媒体 |
-
2009
- 2009-04-17 JP JP2009100865A patent/JP5113797B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006201553A (ja) * | 2005-01-21 | 2006-08-03 | Nippon Telegr & Teleph Corp <Ntt> | 識別的学習方法、装置、プログラム、音声認識装置、プログラム、これらのプログラムを記録した記録媒体 |
Non-Patent Citations (2)
Title |
---|
CSNG200500785001; 中村 篤: '次世代音声認識のための音響モデル 学習とダイナミクス表現' 電子情報通信学会技術研究報告 SP2004-72 Vol.104 No.470, 20041119, pp.1-6 * |
JPN6012051452; 中村 篤: '次世代音声認識のための音響モデル 学習とダイナミクス表現' 電子情報通信学会技術研究報告 SP2004-72 Vol.104 No.470, 20041119, pp.1-6 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011039432A (ja) * | 2009-08-18 | 2011-02-24 | Nippon Telegr & Teleph Corp <Ntt> | 情報圧縮型モデルパラメータ推定装置、方法及びプログラム |
JP2013160998A (ja) * | 2012-02-07 | 2013-08-19 | Nippon Telegr & Teleph Corp <Ntt> | パラメタ推定装置、パラメタ推定方法、音声認識装置、音声認識方法及びプログラム |
JP7479387B2 (ja) | 2019-02-01 | 2024-05-08 | コーニンクレッカ フィリップス エヌ ヴェ | デプロイされた機械学習モデルの信頼尺度 |
Also Published As
Publication number | Publication date |
---|---|
JP5113797B2 (ja) | 2013-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2775140B2 (ja) | パターン認識方法、音声認識方法および音声認識装置 | |
WO2008004666A1 (fr) | Dispositif, procédé et programme de reconnaissance vocale | |
Kim et al. | Sequential labeling for tracking dynamic dialog states | |
JP2018081169A (ja) | 話者属性推定システム、学習装置、推定装置、話者属性推定方法、およびプログラム | |
JP7409381B2 (ja) | 発話区間検出装置、発話区間検出方法、プログラム | |
JP5113797B2 (ja) | 相違度利用型識別的学習装置とその方法、そのプログラム | |
JP2005084436A (ja) | 音声認識装置及びコンピュータプログラム | |
JP5079760B2 (ja) | 音響モデルパラメータ学習装置、音響モデルパラメータ学習方法、音響モデルパラメータ学習プログラム | |
JP5852550B2 (ja) | 音響モデル生成装置とその方法とプログラム | |
JP4533160B2 (ja) | 識別的学習方法、装置、プログラム、識別的学習プログラムを記録した記録媒体 | |
JP4328362B2 (ja) | 言語解析モデル学習装置、言語解析モデル学習方法、言語解析モデル学習プログラム及びその記録媒体 | |
JP5738216B2 (ja) | 特徴量補正パラメータ推定装置、音声認識システム、特徴量補正パラメータ推定方法、音声認識方法及びプログラム | |
JP6121187B2 (ja) | 音響モデル補正パラメータ推定装置、その方法及びプログラム | |
JP4981850B2 (ja) | 音声認識装置とその方法と、プログラムと記録媒体 | |
JP5982265B2 (ja) | 音声認識装置、音声認識方法、およびプログラム | |
WO2021044606A1 (ja) | 学習装置、推定装置、それらの方法、およびプログラム | |
JP5308102B2 (ja) | 誤り数別識別スコア・事後確率計算方法と、その方法を用いた誤り数重み付き識別学習装置とその方法と、その装置を用いた音声認識装置と、プログラムと記録媒体 | |
JP4843646B2 (ja) | 音声認識装置とその方法と、プログラムと記録媒体 | |
JP5089651B2 (ja) | 音声認識装置及び音響モデル作成装置とそれらの方法と、プログラムと記録媒体 | |
JP5166195B2 (ja) | 音響分析パラメータ生成方法とその装置と、プログラムと記録媒体 | |
JP5369079B2 (ja) | 音響モデル作成方法とその装置とプログラム | |
JP5694976B2 (ja) | 分散補正パラメータ推定装置、音声認識システム、分散補正パラメータ推定方法、音声認識方法及びプログラム | |
JP5610304B2 (ja) | モデルパラメータ配列装置とその方法とプログラム | |
JP4801108B2 (ja) | 音声認識装置、方法、プログラム及びその記録媒体 | |
JP4801107B2 (ja) | 音声認識装置、方法、プログラム及びその記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20110715 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120808 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120814 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120903 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121002 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121012 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151019 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5113797 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |