JP2020092411A - 聴覚システム、アクセサリデバイス、及び聴覚アルゴリズムの状況的設計のための関連する方法 - Google Patents

Abstract

【課題】聴覚システム、アクセサリデバイス、エージェント及び聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法を提供する。【解決手段】方法１００は、パラメータ化された目的関数を含むモデルを初期化する工程１０２と、聴覚アルゴリズムを示す１つ又は複数の操作パラメータを聴覚デバイスに提供する工程１０４と、聴覚デバイスの対応する入力データ及び出力データを含む操作データを取得する工程１０６と、出力データのユーザ評価を示す評価データを取得する工程１０８と、モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程１１０と、更新された操作パラメータを聴覚デバイスに提供する工程１１２と、を備える。【選択図】図２

Description

本開示は、聴覚システム、アクセサリデバイス、及び関連する方法、特に、聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法に関する。

今日の聴覚アルゴリズム設計方法には固有の制限がある。聴覚デバイスユーザは、新しい聴覚デバイスを手にして販売業者のクリニックを去るときには非常に満足する傾向があるのに対し、実際の使用で予想外の問題が生じると、聴覚デバイスを適合（パーソナライズ）できないため、後にフラストレーションを感じるユーザもいる。例えば、皿の上の食器の鋭い音が増幅されると、レストランでの楽しい夕食を台無しにすることがある。

したがって、聴覚アルゴリズムの設計のための改善された方法が必要である。

したがって、本開示は、アクセサリデバイス及び聴覚デバイスを備える聴覚システム、アクセサリデバイス、ならびに聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法を提供する。

聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法が開示され、前記方法は、パラメータ化された目的関数を含むモデルを初期化する工程と、聴覚アルゴリズムを示す１つ又は複数の操作パラメータを前記聴覚デバイスに提供する工程と、前記聴覚デバイスの対応する入力データ及び出力データを含む操作データを取得する工程と、前記出力データのユーザ評価を示す評価データを取得する工程と、前記モデル、前記操作データ及び前記評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程と、前記更新された操作パラメータを前記聴覚デバイスに提供する工程と、を備える。

さらに、聴覚システムのためのアクセサリデバイスが開示され、前記アクセサリデバイスは、メモリモジュールと、プロセッサモジュールと、無線インタフェースと、を備え、前記アクセサリデバイスは、本明細書に開示の方法を実行するように構成されている。

また、聴覚デバイスと、本明細書に開示のアクセサリデバイスとを備える聴覚システムが開示される。

聴覚デバイスの通常使用の間、聴覚アルゴリズムが継続的に（リアルタイムで、又はほぼリアルタイムで）更新されることは本開示の重要な利点である。

本開示は、聴覚デバイスユーザに対する改善された聴音経験を可能にする。さらに、聴覚デバイスの１つ又は複数の聴覚デバイスパラメータを構成する効果的かつ便利な方法が提供される。例えば、状況的聴覚アルゴリズム設計により、聴覚デバイスの販売業者への１回又は複数回の時間のかかる再訪の手間を省くことができる。

本発明の上記及び他の特徴ならびに利点は、添付の図面を参照しながら、例示的な実施形態の以下の詳細な説明により当業者には容易に明らかとなるであろう。

聴覚アルゴリズムの状況的設計を用いた例示的な聴覚システムを概略的に示す図。 本開示による例示的方法のフローチャート。 アクセサリデバイスのエージェントにおけるモデルの例示的な実施態様を示す図。

以下、関連する場合に図面を参照しながら、様々な例示的な実施形態及び詳細を説明する。図面は縮尺通りに描写されている事もあればされていない事もあり、同様の構造又は機能の要素は、図面全体にわたって同じ参照番号により表されるという点に留意すべきである。また、図面は実施形態の説明を容易にすることを意図されているに過ぎないことにも留意すべきである。図面は、本発明の包括的な説明としても、又は本発明の範囲に対する制限としても意図されていない。加えて、図示される実施形態は、示されるすべての態様又は利点を有する必要はない。特定の実施形態とともに記載される態様又は利点は必ずしも、その実施形態に限定されず、たとえ示されていなかったり、又は明示的に説明されていなくても、任意の他の実施形態で実施してよい。

状況的設計プロセスでは、環境を利用した現場実験を通して問題及び解決策が同時に展開される。本開示は、失敗するまでは現在最良の解決案を提供することを提案し、エージェント／アクセサリデバイスを介した環境を利用したスマートな現場実験を通して、問題記述がさらに展開し、これにより解決案の改善を可能にする。状況的学習は、完全な設計サイクルがリアルタイム、又はほぼリアルタイムで行われることを必要とする。本開示において、この実験的プロセスは、通信リンク、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標） ｌｏｗ−ｅｎｅｒｇｙリンクによって聴覚デバイスと通信可能なスマートウォッチ（又はスマートフォン）常駐ソフトウェアプログラム又はアプリケーションに代表されるエージェントによって実行できる（図１も参照）。

本開示は、聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法に関し、本方法は、モデルを初期化する工程を備える。モデルは、パラメータ化された目的関数を含んでよい。１つ又は複数の例示的な方法では、モデルは生成確率モデルである。モデルは、階層ベイズ動的システムであってよい。

本方法は、聴覚アルゴリズムを示す１つ又は複数の操作パラメータを聴覚デバイスに提供する工程を備える。１つ又は複数の例示的な方法／システムでは、１つ又は複数の操作パラメータは、聴覚アルゴリズム識別子及び／又は聴覚デバイスパラメータのセットを含んでもよい。聴覚デバイスパラメータのセットは、フィルタ係数及び／又はその値を含んで、及び／又は、示してよい。聴覚デバイスパラメータのセットは、ノイズ消去パラメータ及び／又はその値を含んで、及び／又は、示してよい。聴覚デバイスパラメータのセットは、コンプレッサゲイン及び／又はその値を含んで、及び／又は、示してよい。聴覚アルゴリズム識別子は、複数の聴覚アルゴリズムから選択される聴覚アルゴリズムを含んで、及び／又は、示してよい。

本方法は、例えば、アクセサリデバイスにおいて、例えば、聴覚デバイス及び／又は中間リレーデバイスから入力データ及び／又は出力データを受信することによって、聴覚デバイスの対応する入力データ及び出力データを含む操作データを取得する工程を備える。本方法は、例えば、アクセサリデバイスにおいて、聴覚デバイスから入力データを受信することによって、聴覚デバイスの対応する入力データ及び出力データを含む操作データを取得する工程を備えてもよく、アクセサリデバイスにおいて現在の聴覚アルゴリズムを適用することによって、出力データを決定してもよい。したがって、アクセサリデバイスは、入力データに基づいて出力データを導出してもよく、これにより聴覚デバイスの送信電力を節減する。

本方法は、例えば、アクセサリデバイスにおいて、出力データのユーザ評価を示す評価データｒを取得する工程を備える。評価データは、入力データ及び出力データと連携され、例えば、対応する入力データ、出力データ及び評価データを含むデータタプルを提供する。

本方法は、モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程と、続く、更新された操作パラメータを聴覚デバイスに提供する工程とを備える。換言すれば、聴覚デバイスの操作パラメータは、入力データ、出力データ及び評価データに従って適合され、状況的聴覚アルゴリズム設計を提供する、すなわち、聴覚デバイスの操作パラメータは、有利には聴覚デバイスの通常使用の間、ユーザ評価に基づいて適合される。

本方法は、更新された操作パラメータを聴覚デバイスに提供する工程を備える。１つ又は複数の例示的な方法では、１つ又は複数の操作パラメータを聴覚デバイスに提供する工程は、例えば、聴覚アルゴリズム識別子を聴覚デバイスに無線送信することによって、聴覚アルゴリズム識別子を聴覚デバイスに提供する工程を備える。これにより、エージェントは、好適な又は最適な聴覚アルゴリズムを、例えば、第１の聴覚アルゴリズム及び第２の聴覚アルゴリズムを含む複数の聴覚アルゴリズムから選択できる。１つ又は複数の例示的な方法では、１つ又は複数の操作パラメータを聴覚デバイスに提供する工程は、例えば、聴覚デバイスパラメータのセットを聴覚デバイスに無線送信することによって、１つ又は複数の聴覚デバイスパラメータを聴覚デバイスに提供する工程を備える。

１つ又は複数の例示的な方法では、生成確率モデルは、
によって与えられる生成確率モデルｍであり、式中、ｘは聴覚デバイスの入力データであり、ｙは聴覚デバイスの出力データであり、ｒは評価データであり、ｆは聴覚アルゴリズムであり、θは聴覚デバイスパラメータであり、ｚは潜在変数である。

１つ又は複数の例示的な方法では、聴覚アルゴリズムは、
によって与えられる動的システムであり、
式中、ｔは時間指数であり、ｘ_ｔは入力データであり、ｓ_ｔは状態ベクトルであり、ｙ_ｔは状態ｓ_ｔの固定関数ｇ（・）である出力データであり、ｆ（・）は聴覚アルゴリズムを示し、θは聴覚デバイスパラメータのセットを含む。

１つ又は複数の更新された操作パラメータを決定する工程は、１つ又は複数の制約、例えば第１の制約及び／又は第２の制約のある確率的推論問題を解く工程を含んでもよい。

１つ又は複数の例示的な方法では、１つ又は複数の更新された操作パラメータを決定する工程は、
によって与えられる確率的推論問題を解く工程を備え、
式中、ｆは聴覚アルゴリズムであり、θは聴覚デバイスパラメータであり、ｄ_＜ｔ＝｛（ｘ，ｙ，ｒ）_＜ｔ｝は過去の観測に関する第１の制約であり、ｒ_＞ｔ＞０は、未来の評価データが、出力データの肯定的なユーザ評価を示すべきであるという第２の制約である。

１つ又は複数の例示的な方法では、確率的推論問題を解く工程は、例えば、モデルの因子グラフ表現でメッセージパッシングを実施する工程を備える。因子グラフ表現は、モデルのフォーニー式因子グラフ表現であってよい。

１つ又は複数の例示的な方法では、モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程は、関数を最小化する工程を備え、関数は、α発散関数のような発散関数である。

１つ又は複数の例示的な方法では、α発散関数は、
によって与えられる関数Ｆであり、
式中、関数Ｆは、変分分布ｑ（ｚ）の関数であり、ｄはデータタプル（ｘ，ｙ，ｒ）である。関数Ｆ［ｑ］は、変分自由エネルギー（ＶＦＥ）関数と呼ばれる。ＶＦＥは、確率分布ｐ及びｑの間の距離測度である（式参照）。ＶＦＥは、α発散と呼ばれる（確率分布間の）距離測度のより大きな分類の一例である。ＶＦＥを距離測度として使用する場合、因子グラフにおける確率的推論により「変分メッセージパッシング」（ＶＭＰ）アルゴリズムがもたらされる。ＶＦＥ及びＶＭＰアルゴリズムは、どのように推論を行うかの例である。α発散の最小化に基づく推論の他の測度／方法は、例えば、期待値伝搬法及び確率伝搬法であってもよい。

１つ又は複数の例示的な方法では、モデルは第１のモデル及び第２のモデルを含む。１つ又は複数の例示的な方法では、第１のモデルは、入力データ及び出力データのための生成確率モデルであり、第２のモデルは、評価データのための生成確率モデルである。１つ又は複数の例示的な方法では、第１のモデルは、第２のモデルの出力、例えば、図３のｕ_ｔ ^（１）及びｕ_ｔ ^（２）に基づく。例えば、第２のモデルの出力は、聴覚デバイスのために第１のモデルの１つ又は複数の精度パラメータを調節又は適合してもよい。換言すれば、第１のモデル及び第２のモデルは結合モデルである。

さらに、聴覚システムのためのアクセサリデバイスが提供される。アクセサリデバイスは、メモリモジュールと、プロセッサモジュールと、無線インタフェースとを備える。１つ又は複数の例示的な方法では、アクセサリデバイスは本明細書で開示される方法のいずれかを実行するように構成されている。さらに、エージェントが開示され、エージェントは本明細書で開示される方法のいずれかを実行するように構成されている。エージェントは、アクセサリデバイスのメモリモジュールにインストール可能なソフトウェアモジュール、例えばアプリケーションであってもよい。

さらに、聴覚デバイス及びアクセサリデバイスを備える聴覚システムが開示される。

加えて、聴覚デバイスが開示される。聴覚デバイスは、プロセッサがユーザの聴力損失を補うように構成されたヒアラブル又は補聴器であってよい。

聴覚デバイスは、Ｂｅｈｉｎｄ−Ｔｈｅ−Ｅａｒ（ＢＴＥ）型、Ｉｎ−Ｔｈｅ−Ｅａｒ（ＩＴＥ）型、Ｉｎ−Ｔｈｅ−Ｃａｎａｌ（ＩＴＣ）型、Ｒｅｃｅｉｖｅｒ−Ｉｎ−Ｃａｎａｌ（ＲＩＣ）型又はＲｅｃｅｉｖｅｒ−Ｉｎ−Ｔｈｅ−Ｅａｒ（ＲＩＴＥ）型であってもよい。補聴器は、バイノーラル補聴器であってもよい。

聴覚デバイスは、例えば、バイノーラル聴覚システムの一部としての別の聴覚デバイスのような１つ又は複数のデバイスと、、及び／又は、スマートフォン及び／又はスマートウォッチのような１つ又は複数のアクセサリデバイスと、無線通信するように構成されている。聴覚デバイスは、任意で、１つ又は複数の無線入力信号、例えば、第１の無線入力信号及び／又は第２の無線入力信号をアンテナ出力信号に変換するアンテナを備える。無線入力信号は、外部音源、例えば、スパウスマイクロフォンデバイス、無線ＴＶ音声トランスミッタ、及び／又は無線トランスミッタに関連する分布マイクロフォンアレイから発生してもよい。無線入力信号は、例えばバイノーラル聴覚システムの一部としての別の聴覚デバイスから、及び／又は、１つ又は複数のアクセサリデバイスから発生してもよい。

聴覚デバイスは、例えば、聴覚デバイスのユーザ聴力損失を補うために、例えば聴覚アルゴリズムに従って、入力信号を処理するプロセッサを備える。プロセッサは、入力信号に基づいてプロセッサに電気出力信号を提供する。

聴覚デバイスは、聴覚デバイスへの聴覚アルゴリズムを示す１つ又は複数の操作パラメータを受信し、出力信号の提供のために１つ又は複数の操作パラメータに従って入力信号を処理するように構成されている。出力信号は、レシーバを介して音声出力信号に変換される。音声出力信号はユーザに出力される。聴覚デバイスは、入力信号（又は、１つ又は複数のパラメータ又はそれを表すデータ）をアクセサリデバイス／エージェントに無線で送信するように構成されている。１つ又は複数の例示的な聴覚デバイスでは、聴覚デバイスは、出力信号（又は、１つ又は複数のパラメータ又はそれを表すデータ）をアクセサリデバイス／エージェントに無線で送信するように構成されている。１つ又は複数の例示的な聴覚デバイスでは、ユーザは、聴覚デバイスのボタン又は他の入力インタフェース、例えばモーションセンサを介してユーザフィードバックを提供することによって、出力信号／聴覚アルゴリズムを評価する。したがって、聴覚デバイスは、出力データ／聴覚アルゴリズムのユーザ評価を示す評価データを決定、及び／又は、アクセサリデバイス／エージェントに送信するように構成されてもよい。聴覚デバイスは、聴覚デバイスへの聴覚アルゴリズムを示す更新された操作パラメータを受信し、出力信号の提供のために更新された操作パラメータに従って入力信号を処理するように構成されている。

図１は、本開示による聴覚アルゴリズムの状況的設計を示す例示的な聴覚システムを示す。聴覚システム２は、ここではスマートフォンとして示されるアクセサリデバイス４と、聴覚デバイス６とを備える。アクセサリデバイス４は、例えばＢｌｕｅｔｏｏｔｈプロトコル又は他の無線プロトコルを介して聴覚デバイス６と無線通信するように構成され、エージェント／アプリケーション８を備える、又はエージェント／アプリケーション８がインストールされている。さらに、アクセサリデバイス４は、例えば、エージェント／アプリケーション８及び／又はエージェント／アプリケーション用の特定の設定をダウンロードするために、サーバデバイス又は他の外部デバイス１０と無線通信するように構成されている。聴覚デバイス６のユーザ１２は、聴覚デバイス６の操作／パフォーマンスに関するユーザフィードバックをアクセサリデバイス４のインタフェースを介してエージェント８に提供する。聴覚システム２では、パラメータ化された目的関数を含む生成確率モデル等のモデルは、例えば、メモリから、及び／又は外部デバイス１０から受信１４したモデルを検索することによって、エージェント８で初期化される。モデルは、ｐ（ｘ，ｙ，ｒ，ｆ，θ，ｚ｜ｍ）によって与えられるモデルｍであってよく、式中、ｘは聴覚デバイスの入力データであり、ｙは聴覚デバイスの出力データであり、ｒは評価データであり、ｆは聴覚アルゴリズム識別子であり、θは聴覚デバイスパラメータであり、ｚは潜在変数である。

図１のエージェントに基づく聴覚デバイスの設計シナリオを考慮し、補聴器アルゴリズムは、
によって与えられる動的システムであると仮定する。
式中、ｔは時間指数であり、ｘ_ｔは入力データであり、ｓ_ｔは状態ベクトルであり、ｙ_ｔは状態ｓ_ｔの固定関数ｇ（・）である出力データであり、ｆ（・）は聴覚アルゴリズム（式）を示し、θは聴覚デバイスパラメータ又は同調パラメータのセットを含む。

聴覚アルゴリズム設計は３つのタスクを含む。
１．（アルゴリズム設計タスク）信号処理アルゴリズムｆ（・）を特定する。
２．（フィッティングタスク）値を聴覚デバイスパラメータθに割り当てる。
３．（パフォーマンス評価タスク）ｆ（・）及びθに対して選択された値のパフォーマンスを評価する。

エージェント８は、データタプルＤ＝｛ｄ_ｔ＝（ｘ，ｙ，ｒ）_ｔ：ｔ＝１，．．．，∞｝を通してその環境を観測する。したがって、エージェントは、出力データのユーザ評価を示す評価データｒとともに、聴覚デバイスの対応する入力データｘ及び出力データｙを含む操作データを取得する。基本的に、これは、エージェント８が、現在の聴覚デバイスの入力データ及び出力データ（ｘ_ｔ，ｙ_ｔ）と、その入力データ及び出力データに対するユーザ評価（応答）ｒ_ｔと、を観測することを意味する。

１つ又は複数の例示的なシステム／方法では、エージェント８は、聴覚デバイスから入力データｘのみを受信し、次いで聴覚デバイスによって実行される聴覚アルゴリズムに関してエージェントが有する情報に基づいて、対応する出力データｙを決定又は計算することによって、聴覚デバイスの対応する入力データｘ及び出力データｙを含む操作データを取得する。１つ又は複数の例示的なシステム／方法では、エージェント８は、聴覚デバイスから入力データｘ及び出力データｙの両方を受信することによって、聴覚デバイスの対応する入力データｘ及び出力データｙを含む操作データを取得する。

ユーザ評価又はユーザ応答は、ボタンの押下（例えば、好き、嫌い）、ジェスチャ、又は心拍数もしくはＥＥＧ信号のような生理学的測定値を含んでもよい。１つ又は複数の例示的なシステム／方法では、評価データは、聴覚デバイスのインタフェース（例えば１つ又は複数のボタン）を介して、及び／又は、アクセサリデバイスのグラフィカルユーザインターフェースを介して取得されてもよい。１つ又は複数の例示的なシステム／方法では、評価データは、アクセサリデバイスインターフェースの音声認識モジュールを介して取得されてもよい。

本明細書に示される１つ又は複数の例示的なシステム／方法では、ｒ_ｔ＝０は、中立的な又は欠落した（未観測の）パフォーマンス評価を示し、ｒ_ｔ＞０は肯定的な評価に関係し、ｒ_ｔ＜０は不満足な聴覚デバイス挙動に相当する。換言すれば、ユーザからの良い評価は正値のｒ、例えばｒ＝１に相当し、ユーザからの中立的な評価はｒ＝０に相当し、ユーザからの否定的な評価は負値のｒ、例えばｒ＝−１に相当する。

さらに、エージェント８は、更新された操作パラメータｆ、θを聴覚デバイス６に提供する。換言すれば、エージェント８は、動作Ａ＝｛ａ_ｔ＝（ｆ，θ）_ｔ：ｔ＝１，．．．，∞｝を聴覚デバイス６へプッシュすることができる。この場合、動作Ａは、聴覚デバイスパラメータの設定θだけでなく、信号処理アルゴリズムｆ（・）のための提案又は命令を含む。エージェント８は、できる限り少ない交流（評価）で（エンドユーザの視点から）最も興味深い提案ａ_ｔを行うべきである。

聴覚アルゴリズムの状況的設計のための方法は、現場で実行され、任意で繰り返す４つのステップ又はタスクのループを含む。ループは、以下のタスクを含む。
操作パラメータを聴覚デバイスに提供する動作を含む試行１８；
聴覚デバイスから操作データ（入力データ及び／又は出力データ）を取得する動作を含む実行２０；
出力データのユーザ評価を示す評価データを取得する動作を含む評価２２；及び
モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する動作を含む適応２４。

本方法は、モデルをエージェントにプッシュ２６する（仮定タスクとも称される）ことによってシード又は初期化される。例示的な設計段階は以下にさらに詳しく説明する。

仮定タスク（参照番号２６）
完全な確率的モデリングアプローチが採られる。このアプローチは以下の生成モデルの特定から始まる。
式中、ｍはエージェントを識別する。我々は、ｘ≡（ｘ_１，ｘ_２，．．．）のように添え字のない変数を用いて数列（及び同様の他の変数）を示す。生成モデルは、研究中のシステムにおける全ての変数に対する確率的ジョイントモデルである。エージェントのモデルは、知覚／観測済み入力信号（データタプル）ｄ＝（ｘ，ｙ，ｒ）、動作ａ＝（ｆ，θ）、及び内部（隠れた、潜在、未観測）変数ｚからなる。ここで、我々はこれを仮定ステップと呼び、これはモデルｍが真であるという仮定を反映している。聴覚デバイスの信号処理との関連においては、モデルは、階層ベイズ動的システムである（図１参照）ことが提案される。モデルの構造のさらなる詳細を以下にさらに詳細に説明する。

試行タスク（参照番号１８）
生成モデルが真であるとすれば、エージェントは以下の制約を受けた動作を行うように構成されている。
１．我々は、ユーザの好みに関する過去のあらゆる観測を尊重したい、すなわち、我々は観測ｄ_＜ｔ＝｛（ｘ，ｙ，ｒ）_＜ｔ｝を尊重したい。
２．我々は、（ユーザに将来的に満足して欲しいため）未来のユーザフィードバックを肯定的なものとしたい、すなわち、我々はｒ_＞ｔ＞０としたい。

これは試行タスクであり、これは確率的推論問題として記述できる。

式（２）は、興味深いアルゴリズム及びパラメータ設定提案の計算が推論問題として扱われていることを記述している。特に、制約（１）及び（２）を受けた（ｆ，θ）の事後分布が計算される。このベイズ推論タスク（２）は、一般に扱いにくいが、式（２）の近似解を計算する方法が後述される。

実行タスク（参照番号２０）
このタスクは、式（３）により特定される聴覚アルゴリズムの実行を含み、これは聴覚デバイスで実施される。聴覚アルゴリズムは、
によって与えられる動的システムであり、式中、ｔは時間指数であり、ｘ_ｔは入力データであり、ｓ_ｔは状態ベクトルであり、ｙ_ｔは状態ｓ_ｔの固定関数ｇ（・）である出力データであり、ｆ（・）は聴覚アルゴリズムを示し、θは聴覚デバイスパラメータのセットを含む。

評価タスク（参照番号２２）
聴覚デバイスのユーザは、いつでも「応答」信号ｒ_ｔを提示することによって聴覚デバイス６の現在の挙動（聴覚アルゴリズム／出力信号）を批評／評価できる。この応答信号は、アクセサリデバイス４又は２次アクセサリデバイスにおけるボタンの押下であってよく、評価データをエージェント８に転送してユーザが補聴器の現在のパフォーマンスに満足していないことを示す。１つ又は複数の例示的な方法／システムでは、評価データは、ユーザの生理学的データ、例えば、心拍数及び／又はＥＥＧ信号を含んでもよい。

したがって、エージェント８は、現在アクティブなアルゴリズムのパフォーマンスと相関関係を持つ信号（評価データ）を取得する。上述のように、エージェントにも現在の入力データと、任意で聴覚デバイスの挙動を示す出力データとが与えられていると仮定する。エージェントは、入力データに基づいて出力データを決定してよく、これにより聴覚デバイスの消費電力を低減する。換言すれば、エージェントは、データタプルｄ_ｔ＝（ｘ_ｔ，ｙ_ｔ，ｒ_ｔ）を観測する。音声信号は通常、約２０Ｋサンプル／秒のデータ速度でサンプリングされる。ほとんどのユーザインタフェースでは、応答信号は、はるかに低い速度でサンプリングされる。その場合、ｒ_ｔは、音声信号のサンプリング速度に対して適切な方法でアップサンプリングされると仮定する。例えば、好き／嫌いボタンの場合、以下の値がｒに割り当てられてよい。

適合タスク（参照番号２４）
このステップでは、エージェント８のモデルは、以下の観測を取り入れる（ａｂｓｏｒｂ）。

式（５）において、観測された値ｄ＾_ｔ＝（ｘ＾_ｔ，ｙ＾_ｔ，ｚ＾_ｔ）はモデル変数ｄ_ｔ＝（ｘ_ｔ，ｙ_ｔ，ｒ_ｔ）に割り当てられ、ユーザ応答の（事実とは異なる）未来の観測はいずれも正値に限定される。その後、任意で確率分布の再正規化を行う。この置換の効果は、このモデルを用いた任意の後の（ベイズ）推論はあらゆる（事実に基づく、及び事実とは異なる）観測を考慮に入れる（これは試行ステップで記述される制約１及び２である）ということである。

試行−実行−評価−適合の動作は全時間ステップに対して繰り返されてもよい。

試行−実行−評価−適合の動作は、ある周期で、例えば１分毎に１度、５分毎に１度、１０分毎に１度、又は１５分毎に１度、繰り返されてもよい。１つ又は複数の例示的な方法／システムでは、試行−実行−評価−適合の動作は、ユーザ評価によってトリガされ、及び／又は、ユーザ入力に応じて停止されてもよい。１つ又は複数の例示的な方法／システムでは、試行−実行−評価−適合サイクルの動作は、ｒ≠０のときに、すなわち、ユーザによる関連する評価／フィードバックがあるたびに実行されてもよい。

図２は、聴覚デバイスの聴覚アルゴリズムの状況的設計のための例示的方法のフローチャートである。任意でアクセサリデバイスで実行される方法１００は、パラメータ化された目的関数を含むモデルを初期化する工程１０２と；聴覚アルゴリズムを示し、任意で、聴覚アルゴリズム識別子及び／又は聴覚デバイスパラメータのセットを含む１つ又は複数の操作パラメータを聴覚デバイスに提供する工程１０４と；聴覚デバイスの対応する入力データｘ（ｔ）及び出力データｙ（ｔ）を含む操作データを取得する工程１０６と；出力データのユーザ評価を示す評価データｒ（ｔ）を取得する工程１０８と；モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程１１０と；更新された操作パラメータを聴覚デバイスに提供する工程１１２と、を備える。本方法は、操作データを取得する工程１０６に戻る１１４。

１つ又は複数の例示的な方法では、１つ又は複数の操作パラメータを聴覚デバイスに提供する工程１０４は、聴覚アルゴリズムｆ又は聴覚アルゴリズム識別子を聴覚デバイスに提供する工程１０４Ａを備える。換言すれば、エージェント８は、例えば複数の聴覚アルゴリズムのセットから、どの聴覚アルゴリズムを聴覚デバイス６が適用すべきかを選択できてよい。

１つ又は複数の例示的な方法では、１つ又は複数の操作パラメータを聴覚デバイスに提供する工程１０４は、１つ又は複数の聴覚デバイスパラメータθを聴覚デバイスに提供する工程１０４Ｂを備える。

方法１００では、モデルは、
によって与えられる生成確率モデルｍである。
式中、ｘは聴覚デバイスの入力データであり、ｙは聴覚デバイスの出力データであり、ｒは評価データであり、ｆは聴覚アルゴリズム識別子であり、θは聴覚デバイスパラメータであり、ｚは潜在変数であり、聴覚アルゴリズムは、
によって与えられる動的システムである。
式中、ｔは時間指数であり、ｘ_ｔは入力データであり、ｓ_ｔは状態ベクトルであり、ｙ_ｔは状態ｓ_ｔの固定関数ｇ（・）である出力データであり、ｆ（・）は聴覚アルゴリズムを示し、θは聴覚デバイスパラメータのセットを含む。

１つ又は複数の例示的な方法では、１つ又は複数の更新された操作パラメータを決定する工程１１０は、例えば、
によって与えられる確率的推論問題を解く工程１１０Ａを備える。
式中、ｆは聴覚アルゴリズムであり、θは聴覚デバイスパラメータであり、ｄ_＜ｔ＝｛（ｘ，ｙ，ｒ）_＜ｔ｝は過去の観測に関する第１の制約であり、ｒ_＞ｔ＞０は、未来の評価データが、出力データの肯定的なユーザ評価を示すべきであるという第２の制約である。確率的推論問題を解く工程１１０Ａは、例えばモデルのフォーニー式因子グラフの因子グラフ表現（ｒｅａｌｉｚａｔｉｏｎ）でメッセージパッシングを実施する工程１１０Ｂを備える。

１つ又は複数の例示的な方法では、モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程１１０は、関数を最小化する工程１１０Ｃを備え、関数は、
によって与えられる関数Ｆ等のα発散関数である。
式中、関数Ｆは、変分分布ｑ（ｚ）の関数であり、ｄはデータタプル（ｘ，ｙ，ｒ）である。他の発散関数を使用してもよいと理解すべきである。

図３は、エージェント８におけるモデルの例示的な実施態様を示す。一般に、エージェントは、スマートフォン、スマートウォッチ又はタブレット型コンピュータ等のアクセサリデバイスのメモリにインストールされたアプリケーション又はソフトウェアモジュールとして実装されてよい。

エージェント８のモデル３０の構造は、アクセサリデバイス４の内部に示されている。モデル３０は第１のモデル３２及び第２のモデル３４を含み、第１のモデル３２は、入力データｘ（ｔ）及び出力データｙ（ｔ）のための生成確率モデルであり、第２のモデル３４は、評価データｒ（ｔ）のための生成確率モデルである。したがって、第１のモデル３２は、聴覚デバイスの入力（入力データ）及び出力（出力データ）信号｛∀_ｔ：（ｘ_ｔ，ｙ_ｔ）｝のための生成確率モデルである。第２のモデル３４はユーザ応答｛∀_ｔ：ｒ_ｔ｝のための生成確率モデルである、線３６、３８は、第２のモデル３４（ユーザモデル）の状態を第１のモデル３２の因子に接続している。総合すれば、エージェントのモデル３０は、エージェントの「知覚」入力、すなわち、｛ｄ_ｔ＝（ｘ_ｔ、ｙ_ｔ、ｒ_ｔ）：ｔ＝１，２，．．．｝のための生成確率モデルである。

エージェントは、所与の聴覚アルゴリズムｆのための最適な同調パラメータ設定又は操作パラメータ（θ）を繰り返し決定する。候補のアルゴリズムのセット｛ｆ_ｋ：ｋ＝１，．．．Ｋ｝から最良の聴覚アルゴリズムｆを見出すタスクは、パラメータ推定問題に似ている。第１のモデル３２は、聴覚デバイス信号処理アルゴリズムの（確率的）モデルである。通常、信号処理アルゴリズム用のモデルは動的階層構造となる。最下層の典型例は、
によって与えられる。
式中、ｓ_ｔ ^（ｎ）は、第ｎ層における内部状態ベクトルである。これは基本的に、関連した場所でいくらかのガウスノイズを伴う式３の聴覚アルゴリズムであり、好ましいユーザ設定を推論する余地（不確実性）を生み出す。式６に関して例外的なのは、観測変数σ_ｙ ^２が、第２のモデル３４からのｕ_ｔ ^（１）の関数であり、後述するように、これは現在の聴覚デバイス挙動のエンドユーザ評価（に関する確率）を反映している。

同調パラメータθ_ｔ ^（１）も、以下の形式の動的システムに従うと考えられる。

このシステムでは、ｓ_ｔ ^（２）は、第２層の（隠れた）状態変数であり、θ_ｔ ^（１）は、上位層ｓ_ｔ ^（２）の状態と、ユーザモデル（第１のモデル３２）の第２層評価状態ｕ_ｔ ^（２）とに依存する「観測モデル」としてモデリングされる。聴覚デバイス信号処理システムのためのこの階層モデルは、より高い層へ続けられてよい。図３では、Ｎ層階層動的システムが、聴覚デバイスアルゴリズムのために描かれている。パラメータθ_ｔ ^（ｎ）、ｎ＝１，．．．，Ｎ，もエージェントのモデル３０の隠れた状態として扱われる。エージェント８は、（メッセージパッシングに基づく）推論を通してこれらのパラメータ状態の事後分布を計算する。エージェント８は、θ_ｔ ^（ｎ）に対するエージェントの確率に基づき、パラメータの試行値θ_ｔ＝θ＾_ｔのセットを聴覚デバイス６にいつでも提示してよい。図３では、θ_ｔ ^（１）の事後分布からどのようにしてθ＾_ｔが得られるかが示されている。パラメータ値θ＾_ｔのセットを聴覚デバイス６に提示することは試行（又はエージェント８による動作）と呼ばれる。試行値θ＾_ｔを得るための典型的な方法は、パラメータθ_ｔ ^（ｎ）の事後分布から得ることである。これは多くの場合、トンプソンサンプリングと称される。

ユーザはいつでも、現在の聴覚デバイス挙動についての評価を行うか又はフィードバックｒ_ｔを提供してよい、すなわち、評価データを提供してよい。ユーザからのフィードバック（評価）は、好き／嫌いを示すためにボタンを押下する工程を備えもよく、又は、心拍数及びＥＥＧ信号もしくはこれらの組み合わせ等の生理学的信号記録からなっていてもよい。

エージェント８は、これらの評価ｒ_ｔ（評価データとも称する）を別の観測済み信号（のセット）とみなす。エージェント８は、これらの評価を予測するための生成確率的ユーザモデルである第２のモデル３４を含む。聴覚デバイスモデル（第１のモデル３２）と同様に、ユーザモデル（第２のモデル３４）は階層確率的システムでもある。ユーザモデルの第ｍ層は典型的には、
によって与えられる。
式８ａは、ユーザモデルを隠れた状態ｕ_ｔ ^（ｍ）を用いた（マルコフ）動的システムとして記述している。状態間の遷移確率は制御変数ψ_ｔ ^（ｍ）によって制御される。式８ｂによれば、これらの制御変数は上位層の状態の関数である。最下層（図３の層１）では、観測｛∀_ｔ；ｒ_ｔ｝は状態の（確率的）関数としても生成される。第２のモデルでは、隠れた状態ｕ_ｔ ^（ｍ）は、評価データｒ_ｔの予測原因に相当する。

第２のモデル３４は、未来の観測ｒ_＞ｔ＝（ｒ_ｔ＋１，ｒ_ｔ＋２，．．．）が第２のモデル３４の一部であるという意味でいくらかの時間的厚みを含んでよいことに留意されたい。第２のモデル３４は、任意で、ｒ_＞ｔに対応するエッジを終端するノード４０、４２によって図３に示されているように、未来の観測に対する事前期待値ｐ（ｒ_＞ｔ）の設定を可能にする。これらの未来の観測に対する事前期待値は、未来の観測が正値になることを考慮に入れるようにモデルの推論に制約を加える。これらの事前の制約を含めることにより、動作に対するいかなる推論も、第２のモデルがマリネート（ｍａｒｉｎａｔｅ）されるいかなる環境であっても未来の評価が正値になると予測されることを考慮に入れる。

任意で、モデル３０の制約は、未来の観測ｒ_＞ｔに対して制約を課すことに限定されない。制約は、ｕ_＞ｔ等の隠れた変数に対する未来の値に課されてもよい。エージェントのモデル３０は、聴覚デバイス信号処理モデル３２の変数とユーザモデル３４の変数とを直接つなげるリンク３６、３８を含むことに留意されたい。例えば、接続３６は、隠れたユーザモデル状態ｕ_ｔ ^（１）を信号処理モデル３２のノードｐ（ｙ_ｔ｜ｓ_ｔ ^（１），ｕ_ｔ ^（１））に接続する。例示的なノード関数（観測モデル）はｐ（ｙ_ｔ｜ｓ_ｔ ^（１），ｕ_ｔ ^（１））＝Ｎ（ｙ_ｔ｜ｆ（ｓ_ｔ ^（１）），ｇ（ｕ_ｔ ^（１）））となる。この式では、観測モデルの変数は、ユーザモデル３４の状態に依存する。したがって、このモデルでは、推定された「満足した状態」が観測ｙ_ｔの精度に影響し得る。高いユーザ満足状態が、観測済み聴覚デバイス信号出力の高い精度（すなわち、小さな変数）と関連する（逆もまた同様で、低いユーザ満足状態が、聴覚デバイス出力信号の観測の低い精度と関連する）場合、エージェント８のモデル３０は、高いユーザ満足状態と関連するＨＡ挙動からのみ学習する。このようにして、ユーザモデルは、聴覚デバイス信号処理モデルの学習率を調整するコンテキストを提供する。

上記の式のセットは、エンドユーザ１２との交流を通じて聴覚アルゴリズムを設計する確率的エージェント８のためのモデル３０の典型例を示す。実際の実施態様の詳細は異なっていてもよい。

メッセージパッシングによる推論及び学習
エージェントのモデル３０は、観測済み変数ｘ_ｔ、ｙ_ｔ、ｒ_ｔ、（未観測の）未来の観測ｒ_＞ｔ、介入変数（動作、試行）θ_ｔ、及び、隠れた（未観測）状態変数ｓ_ｔ ^（ｎ）、θ_ｔ ^（ｎ）、ｕ_ｔ ^（ｍ）、ψ_ｔ ^（ｍ）、の間の制約を特定する。推論及び学習の表記を単純化するために、変数は、時間ステップｔにおいて、観測済み変数ｄ_ｔ＝｛ｘ_ｔ，ｙ_ｔ，ｒ_ｔ｝及び未観測の変数ｚ_ｔ＝｛ｓ_ｔ ^（ｎ），θ_ｔ ^（ｎ），ｕ_ｔ ^（ｍ），ψ_ｔ ^（ｍ），θ_ｔ，ｒ_＞ｔ｝のセットに分類される。理論的には、モデル３０の同調パラメータ及びハイパーパラメータは未観測の変数（ｚ_ｔ）のセットに追加されるべきである。エージェント８は、観測済み変数が与えられ、モデルの仮定が与えられると、未観測の変数（その動作の推論を含む）のベイズ推論を行うというただ１つの目的を有する。これは一般に扱いにくい問題である。フォーニー式因子グラフ（Ｆｏｒｎｅｙ−ｓｔｙｌｅ Ｆａｃｔｏｒ Ｇｒａｐｈ）のフレームワークでは、ベイズ推論はメッセージパッシングアルゴリズムによって近似され得る。ＦＦＧのメッセージパッシングアルゴリズムの例としては、確率伝搬法、変分メッセージパッシング及び期待値伝搬法が挙げられる。変分メッセージパッシングは、変分推論のメッセージパッシングの実施態様である。変分推論では、いわゆる自由エネルギー関数Ｆが定義される。
これは、変分分布ｑ（ｚ）の関数である。ｑに関する自由エネルギーＦ［ｑ］の最小化により、おおよそのベイズ推論につながる。Ｆは、ＦＦＧのメッセージパッシングにより最小化されてよい。したがって、例えば図３で特定されているように、確率的モデルのＦＦＧにメッセージパッシングに基づく推論を適用することによって、エージェント８は、予測される未来のユーザ満足度を最適化する聴覚アルゴリズムを設計し、これにより改善された聴覚アルゴリズムを提供する。

「第１の」、「第２の」、「第３の」、及び「第４の」、「１次」、「２次」、「３次」等の用語の使用は、任意の特定の順序を意味するものではなく、個々の要素を識別するために含まれる。さらに、「第１の」、「第２の」、「第３の」、及び「第４の」、「１次」、「２次」、「３次」等の用語の使用は、いかなる順序又は重要性を示すものではなく、むしろ「第１の」、「第２の」、「第３の」、及び「第４の」、「１次」、「２次」、「３次」等の用語はある要素を他の要素と区別するために使用される。「第１の」、「第２の」、「第３の」、及び「第４の」、「１次」、「２次」、「３次」等の用語は、本明細書及び他の箇所において標識する目的でのみ使用されており、任意の特定の空間的又は時間的な順序を示すことは意図されていないことに留意されたい。

さらに、第１の要素の標識は、第２の要素の存在を意味するものではなく、その逆もある。

図１〜図３は、実線で示されたいくつかのモジュール又は操作と、点線で示されたいくつかのモジュール又は操作とを含むことが認識されるであろう。実線に含まれるモジュール又は操作は、最も広い例示的な実施形態に含まれるモジュール又は操作である。点線に含まれるモジュール又は操作は、実線の例示的な実施形態のモジュール又は操作に追加して採用されてもよい追加のモジュール又は操作に含まれてもよいか、その一部であってもよいか、又は当該追加のモジュール又は操作であってもよい例示的な実施形態である。これらの操作は提示された順序で実行される必要はないことを理解すべきである。さらに、これらの操作はすべて実行される必要はないことを理解すべきである。例示的な操作は、任意の順序で、かつ任意の組み合わせで実行されてよい。

用語「含む、備える」とは、必ずしも列挙された要素又はステップ以外の要素又はステップの存在を排除するものではないことに留意されたい。

要素に先立つ用語「１つの（ａ、ａｎ）」はこのような要素の複数の存在を排除するものではないことに留意されたい。

さらに、いかなる参照符号も請求項の範囲を限定するものではなく、例示的な実施形態は少なくとも部分的にハードウェア及びソフトウェアの双方の手段により実装されてよく、いくつかの「手段」、「ユニット」又は「デバイス」が同一のハードウェアアイテムにより表現されてもよいことにさらに留意すべきである。

本明細書に記載されている種々の例示的な方法、デバイス、エージェント及びシステムは、方法ステップのプロセスの一般的文脈で記述されている。方法ステップのプロセスは、一態様では、ネットワーク化された環境においてコンピュータにより実行されるプログラムコード等のコンピュータが実行可能な命令をはじめとするコンピュータ可読媒体にて具現化されるコンピュータプログラム製品によって実施されてもよい。コンピュータ可読媒体としては、読み出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、コンパクトディスク（ＣＤ）、デジタル多機能ディスク（ＤＶＤ）等を含むが、これらに限定されない、取り外し可能及び取り外し不能なデータ記憶ユニットを挙げることができる。一般に、プログラムモジュールとしては、特定のタスクを実行するか、又は特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を挙げることができる。コンピュータが実行可能な命令、関連付けられたデータ構造及びプログラムモジュールは、本明細書で開示される方法のステップを実行するプログラムコードの例を表す。このような実行可能命令又は関連付けられたデータ構造の特定の順序は、このようなステップ又はプロセスにて記述された機能を実施するための対応する行為の例を表す。

特徴を示し、説明したが、それらの特徴は、特許請求の範囲に記載された発明を限定することを意図していないことが理解され、また当業者には各種変更及び改変が特許請求の範囲に記載された発明の趣旨及び範囲から逸脱することなく行われてよいことが明らかになるだろう。したがって、本明細書及び図面は、限定するものではなくむしろ例示としてみなされるべきである。特許請求の範囲に記載された発明は、あらゆる代替、改変及び均等物を包含することが意図される。

２ 聴覚システム
４ アクセサリデバイス、スマートフォン
６ 聴覚デバイス
８ エージェント
１０ 外部デバイス
１２ ユーザ
１４ モデルの受信
１８ 試行
２０ 実行
２２ 評価
２４ 適合
２６ 仮定
３０ モデル
３２ 第１のモデル
３４ 第２のモデル
３６ 第２のモデルから第１の出力を第１のモデルに提供するための第１のモデルと第２のモデルの間の第１の線／リンク
３８ 第２のモデルから第２の出力を第１のモデルに提供するための第１のモデルと第２のモデルの間の第２の線／リンク
４０ ノード
４２ ノード
１００ 聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法
１０２ パラメータ化された目的関数を含むモデルを初期化する工程
１０４ 聴覚アルゴリズムを示す１つ又は複数の操作パラメータを聴覚デバイスに提供する工程
１０４Ａ 聴覚アルゴリズムｆ又はｆを示す聴覚アルゴリズム識別子を聴覚デバイスに提供する工程
１０４Ｂ １つ又は複数の聴覚デバイスパラメータθを聴覚デバイスに提供する工程
１０６ 聴覚デバイスの対応する入力データｘ（ｔ）及び出力データｙ（ｔ）を含む操作データを取得する工程
１０８ 出力データのユーザ評価を示す評価データｒ（ｔ）を取得する工程
１１０ モデル、操作データ及び評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程
１１０Ａ 確率的推論問題を解く工程
１１０Ｂ 因子グラフ表現上でメッセージパッシングを実施する工程
１１０Ｃ 関数を最小化する工程
１１２ 更新された操作パラメータを聴覚デバイスに提供する工程
１１４ 操作データを取得する工程に戻る

Claims (15)

1. 聴覚デバイスの聴覚アルゴリズムの状況的設計のための方法であって、
   パラメータ化された目的関数を含むモデルを初期化する工程と、
   聴覚アルゴリズムを示す１つ又は複数の操作パラメータを前記聴覚デバイスに提供する工程と、
   前記聴覚デバイスの対応する入力データ及び出力データを含む操作データを取得する工程と、
   前記出力データのユーザ評価を示す評価データを取得する工程と、
   前記モデル、前記操作データ及び前記評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程と、
   前記更新された操作パラメータを前記聴覚デバイスに提供する工程と、
   を備える方法。
2. １つ又は複数の操作パラメータを前記聴覚デバイスに提供する工程は、聴覚アルゴリズム識別子を前記聴覚デバイスに提供する工程を備える、請求項１に記載の方法。
3. １つ又は複数の操作パラメータを前記聴覚デバイスに提供する工程は、１つ又は複数の聴覚デバイスパラメータを前記聴覚デバイスに提供する工程を備える、請求項１〜２のいずれか一項に記載の方法。
4. 前記モデルは生成確率モデルである、請求項１〜３のいずれか一項に記載の方法。
5. 前記生成確率モデルは、
   によって与えられる生成確率モデルｍであり、
   式中、ｘは前記聴覚デバイスの入力データであり、ｙは前記聴覚デバイスの出力データであり、ｒは評価データであり、ｆは聴覚アルゴリズムであり、θは聴覚デバイスパラメータであり、ｚは潜在変数である、請求項４に記載の方法。
6. 前記モデルは、階層ベイズ動的システムである、請求項４〜５のいずれか一項に記載の方法。
7. 前記聴覚アルゴリズムは、
   によって与えられる動的システムであり、
   式中、ｔは時間指数であり、ｘ_ｔは入力データであり、ｓ_ｔは状態ベクトルであり、ｙ_ｔは状態ｓ_ｔの固定関数ｇ（・）である出力データであり、ｆ（・）は聴覚アルゴリズムを示し、θは聴覚デバイスパラメータのセットを含む、請求項１〜６のいずれか一項に記載の方法。
8. １つ又は複数の更新された操作パラメータを決定する工程は、
   によって与えられる確率的推論問題を解く工程を備え、
   式中、ｆは聴覚アルゴリズムであり、θは聴覚デバイスパラメータであり、ｄ_＜ｔ＝｛（ｘ，ｙ，ｒ）_＜ｔ｝は過去の観測に関する第１の制約であり、ｒ_＞ｔ＞０は、未来の評価データが、出力データの肯定的なユーザ評価を示すべきであるという第２の制約である、請求項１〜６のいずれか一項に記載の方法。
9. 前記確率的推論問題を解く工程は、前記モデルの因子グラフ表現でメッセージパッシングを実施する工程を備える、請求項８に記載の方法。
10. 前記因子グラフ表現は、前記モデルのフォーニー式因子グラフ表現である、請求項９に記載の方法。
11. 前記モデル、前記操作データ及び前記評価データに基づいて１つ又は複数の更新された操作パラメータを決定する工程は、関数を最小化する工程を備え、前記関数は、α発散関数である、請求項１〜１０のいずれか一項に記載の方法。
12. 前記α発散関数は、
    によって与えられる関数Ｆであり、
    式中、前記関数Ｆは、変分分布ｑ（ｚ）の関数である、請求項１１に記載の方法。
13. 前記モデルは第１のモデル及び第２のモデルを含み、
    前記第１のモデルは、前記入力データ及び前記出力データのための生成確率モデルであり、
    前記第２のモデルは、前記評価データのための生成確率モデルであり、
    前記第１のモデルは、前記第２のモデルの出力に基づく、請求項１〜１２のいずれか一項に記載の方法。
14. 聴覚システムのためのアクセサリデバイスであって、
    メモリモジュールと、プロセッサモジュールと、無線インタフェースと、を備え、
    請求項１〜１３のいずれか一項に記載の方法を実行するように構成された、アクセサリデバイス。
15. 聴覚デバイスと、請求項１４に記載のアクセサリデバイスと、を備える、聴覚システム。