JP2845018B2 - 類似度演算装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は音声信号部分区間毎の
出力確率を用いて音声の認識を行う音声認識装置に関す
るものである。

【０００２】

【従来の技術】図８は例えば中川聖一著「確率モデルに
よる音声認識」（電子情報通信学会発行、Ｐ７２）に示
されたような従来の類似度演算装置の構成を表す構成図
である。以下出力確率をカテゴリ類似度として説明す
る。

【０００３】図において、４１は音声信号を一定区間毎
に音響分析し音響パラメータベクトルに変換する音分析
手段、４２はカテゴリの音響適特徴を表す確率密度分布
を記憶している確率密度分布記憶手段、４３は記憶して
ある確率密度分布に対する前記音響パラメータベクトル
の類似度演算を行いカテゴリ類似度を出力するカテゴリ
類似度演算手段、４４は音声信号、４５は音響パラメー
タベクトル、４６は確率密度分布、４７はカテゴリ類似
度である。

【０００４】以下、確率密度分布を分布数を８とする混
合連続分布からなる確率密度分布を用いる場合を一例と
して、従来の類似度演算装置の動作を説明する。図９は
従来の類似度演算装置の動作を示す流れ図である。

【０００５】図９において、ｘは音響パラメータベクト
ル、ｐはカテゴリ番号、θ8(ｐ)は分布数を８とする混
合連続分布からなるカテゴリｐを表す確率密度分布、ｂ
（θ8(ｐ),ｘ）は音響パラメータベクトルｘの確率密度
分布θ8(ｐ)に対する類似度、Ｂ(ｐ)はカテゴリｐのカ
テゴリ類似度、Ｎはカテゴリ総数である。

【０００６】図９において処理はｓｔａｒｔ３０１から
始まりｅｎｄ３０７で終了する。図１０に示すように類
似度演算に先立ち確率密度分布記憶手段４２には予め各
カテゴリの音響的特徴を表す確率密度分布θ8(ｐ)が記
憶されているとする。

【０００７】まず３０２において音響分析手段４１では
入力された音声信号４４に対し音響分析を行い音響パラ
メータベクトルｘに変換する。次にステップ３０３〜３
０６においてカテゴリ類似度演算手段４３ではカテゴリ
ｐの確率密度分布θ8(ｐ)に対し、音響分析手段より出
力される音響パラメータベクトル４５のカテゴリｐに対
する類似度演算をカテゴリ総数であるＮ回繰り返し、カ
テゴリ類似度Ｂ(ｐ)を出力する。このカテゴリ類似度Ｂ
(ｐ)により入力された音声信号がどのカテゴリであった
かを判別できるまたこのカテゴリ類似度を出力確率とし
てＨＭＭにおけるビテルビ演算を行うことができる。

【０００８】

【発明が解決しようとする課題】従来の類似度演算装置
は以上のように構成されており、入力信号によらず常に
特定の確率密度分布に対する類似度演算を繰り返すた
め、分布数の多い混合連続分布からなる確率密度分布を
用いる場合演算量が大きくなるという問題があった。

【０００９】この発明は上記のような問題点を解決する
ためになされたもので、音声信号のカテゴリ判別性能を
劣化させること無く、演算量の少ない類似度演算装置を
得ることを目的とする。

【００１０】

【課題を解決するための手段】この発明による類似度演
算装置は従来の類似度演算装置の構成に加え、同種カテ
ゴリに属する音声の音響的特徴を表す複数種類の確率密
度分布を記憶する確率密度分布記憶手段と、各カテゴリ
毎にこの確率密度分布記憶手段に記憶されている特定の
確率密度分布を用いて前記音響パラメータベクトルの出
力確率を演算し第２出力確率として出力する第２出力確
率演算手段と、この第２出力確率に応じて前記確率密度
分布記憶手段の確率密度分布をカテゴリ毎に選択し確率
密度分布指定信号を出力する確率密度分布選択手段と、
前記音響分析手段から出力される音響パラメータベクト
ルの前記確率密度分布指定信号により指定される確率密
度分布を用いて出力確率の演算を行い出力する第１出力
確率演算手段を備える構成としたものである。

【００１１】

【作用】この発明における類似度演算装置は、入力信号
の近傍カテゴリを第２出力確率により判定し、カテゴリ
判定時に重要となる近傍カテゴリに対してはよりカテゴ
リ判定能力の高い確率密度分布を用いて出力確率演算を
行い、非近傍カテゴリとなる程、より演算量の小さな確
率密度分布を用いて出力確率演算を行うことで、カテゴ
リ判定能力を劣化させることなく演算量を少なくするこ
とが可能となる。

【００１２】

【実施例】

実施例１．以下、この発明の一実施例を図１について説
明する。図１において１は音声信号を一定区間毎に音響
分析し音響パラメータベクトルに変換する音響分析手
段、２は同一カテゴリに属する音声の音響的特徴を表す
複数種類の確率密度分布を記憶する確率密度分布記憶手
段、３は各カテゴリ毎にこの確率密度分布記憶手段２に
記憶されている特定の確率密度分布を用いて前記音響パ
ラメータベクトルのカテゴリ類似度を演算し第２カテゴ
リ類似度として出力する第２カテゴリ類似度演算手段で
ある。

【００１３】４はこの第２カテゴリ類似度に応じて確率
密度分布をカテゴリ毎に選択し確率密度分布指定信号を
出力する確率密度分布選択手段、５は確率密度分布指定
信号により指定される確率密度分布を用いて前記音響分
析手段から出力される音響パラメータベクトルのカテゴ
リ類似度を演算し出力する第１カテゴリ類似度演算手
段、６は音声信号、７ａ、７ｂは音響パラメータベクト
ル、８ａ，８ｂは確率密度分布、９は第２カテゴリ類似
度、１０は確率密度分布指定信号、１１はカテゴリ類似
度である。

【００１４】以下、第１カテゴリ類似度演算手段におい
て確率密度分布として分布数８と分布数２の混合連続分
布からなる２種類の確率密度分布を選択して用い、第２
カテゴリ類似度演算手段において分布数１の混合連続分
布からなる確率密度分布を用いる場合を一例として、こ
の発明による類似度演算装置の動作を説明する。

【００１５】本来、分布数１の混合連続分布は単一連続
分布であるが、ここでは説明のため分布数１の混合連続
分布と呼ぶ。分布数２の混合分布からなる確率密度分布
はカテゴリ判定能力は低いが演算量が小さく、分布数８
の混合分布からなる確率密度分布はカテゴリ判定能力は
高いが演算量は大きい。

【００１６】図２はこの発明による類似度演算装置の動
作を示す流れ図である。図２において、ｘは音響パラメ
ータベクトル、ｐはカテゴリ番号、ｒ（ｐ,ｘ）は音響
パラメータベクトルｘのカテゴリｐに対する第２カテゴ
リ類似度、Ｔは分布数選択に用いる類似度の閾値、Ｋは
分布数選択に用いる定数、

【００１７】θ8(ｐ)は分布数を８とする混合連続分布
からなるカテゴリｐを表す確率密度分布、θ2(ｐ)は分
布数を２とする混合連続分布からなるカテゴリｐを表す
確率密度分布、θ1(ｐ)は分布数を１とする混合連続分
布からなるカテゴリｐを表す確率密度分布、ｂ（θ8
(ｐ),ｘ）は音響パラメータベクトルｘの確率密度分布
θ8(ｐ)に対する類似度、ｂ（θ2(ｐ),ｘ）は音響パラ
メータベクトルｘの確率密度分布θ2(ｐ)に対する類似
度、ｂ（θ1(ｐ),ｘ）は音響パラメータベクトルｘの確
率密度分布θ1(ｐ)に対する類似度、ｓ(ｐ)はカテゴリ
ｐの確率密度分布指定信号、Ｂ(ｐ)はカテゴリｐのカテ
ゴリ類似度、Ｎはカテゴリ総数である。また、

【００１８】

【数１】

【００１９】は類似度Ｒ(ｐ)のうち最大のものから定数
Ｋを減じた値を閾値Ｔとすることを示す。

【００２０】図２において処理はｓｔａｒｔ１０１から
始まりｅｎｄ１２０で終了する。類似度演算に先立ち図
３に示すように確率密度分布記憶手段２には予め各カテ
ゴリの音響的特徴を表す確率密度分布θ1(ｐ)とθ2(ｐ)
とθ8(ｐ)が記憶されているとする。まず１０２におい
て音響分析手段１では入力された音声信号６に対し音響
分析を行い音響パラメータベクトルｘに変換する。

【００２１】次にステップ１０３〜１０６において第２
カテゴリ類似度演算手段３では確率密度分布θ1(ｐ)を
用いてカテゴリ類似度Ｒ(ｐ)を演算し出力する。ステッ
プ１０７において確率密度分布選択手段４ではカテゴリ
類似度の閾値Ｔを決定し、ステップ１０８〜１１３にお
いてカテゴリ類似度が閾値Ｔより大きいカテゴリである
近傍カテゴリに関しては確率密度分布指定信号ｓ(ｐ)と
して８を与え、カテゴリ類似度が閾値Ｔ以下のカテゴリ
である非近傍カテゴリに関しては確率密度分布指定信号
ｓ(ｐ)を２とする。

【００２２】次にステップ１１４〜１１９において第１
カテゴリ類似度演算手段５においてカテゴリ類似度Ｂ
(ｐ)が演算される。確率密度分布指定信号ｓ(ｐ)が８の
場合にはステップ１１６において確率密度分布θ8(ｐ)
を用い、確率密度分布指定信号ｓ(ｐ)が２の場合にはス
テップ１１７において確率密度分布θ2(ｐ)を用いてカ
テゴリ類似度Ｂ(ｐ)を演算する。この類似度演算をカテ
ゴリ総数であるＮ回繰り返し、カテゴリ類似度Ｂ(ｐ)を
出力する。このカテゴリ類似度Ｂ(ｐ)により入力された
音声信号がどのカテゴリであったかを判別できる。また
このカテゴリ類似度を出力確率としてＨＭＭにおけるビ
テルビ演算を行うことができる。

【００２３】実施例２．以下、この発明に基づく別の一
実施例を図４を用いて説明する。図４において２１は音
声信号を一定区間毎に音響分析し音響パラメータベクト
ルに変換する音響分析手段、２２は同一カテゴリに属す
る音声の音響的特徴を表す複数種類の確率密度分布を記
憶する確率密度分布記憶手段、２３は各カテゴリ毎にこ
の確率密度分布記憶手段に記憶されている特定の確率密
度分布を用いて前記音響パラメータベクトルのカテゴリ
類似度を演算し第２カテゴリ類似度として出力する第２
カテゴリ類似度演算手段である。

【００２４】２４はこの第２カテゴリ類似度に応じて確
率密度分布をカテゴリ毎に選択し確率密度分布指定信号
を出力する確率密度分布選択手段、２５は確率密度分布
指定信号により指定される確率密度分布を用いて前記音
響分析手段から出力される音響パラメータベクトルのカ
テゴリ類似度を演算し出力するか前記第２類似度演算手
段より出力される第２カテゴリ類似度を入力しカテゴリ
類似度として出力するかを前記確率密度分布指定信号に
より選択する第１カテゴリ類似度演算手段、２６は音声
信号、２７ａ、２７ｂは音響パラメータベクトル、２８
ａ，２８ｂは確率密度分布、２９ａ，２９ｂは第２カテ
ゴリ類似度、３０は確率密度分布指定信号、３１はカテ
ゴリ類似度である。

【００２５】以下、第２カテゴリ類似度演算手段におい
て確率密度分布として分布数を１と分布数８の２種類の
混合連続分布を用い、第１カテゴリ類似度演算手段にお
いて第２カテゴリ類似度演算手段と共通の分布数１の混
合分布を用いる場合を一例として、この発明による類似
度演算装置の動作を説明する。分布数１の混合分布から
なる確率密度分布はカテゴリ判定能力は低いが演算量が
小さく、分布数８の混合分布からなる確率密度分布はカ
テゴリ判定能力は高いが演算量は大きい。

【００２６】図５は実施例２における類似度演算装置の
動作を示す流れ図である。図５において、ｘは音響パラ
メータベクトル、ｐはカテゴリ番号、ｒ（ｐ,ｘ）は音
響パラメータベクトルｘのカテゴリｐに対する類似度、
Ｔは分布数選択に用いる類似度の閾値、Ｋは分布数選択
に用いる定数、

【００２７】θ8(ｐ)は分布数を８とする混合連続分布
からなるカテゴリｐを表す確率密度分布、θ1(ｐ)は分
布数を１とする混合連続分布からなるカテゴリｐを表す
確率密度分布、ｂ（θ8(ｐ),ｘ）は音響パラメータベク
トルｘの確率密度分布θ8(ｐ)に対する類似度、ｂ（θ1
(ｐ),ｘ）は音響パラメータベクトルｘの確率密度分布
θ1(ｐ)に対する類似度、ｓ(ｐ)はカテゴリｐの確率密
度分布指定信号、Ｂ(ｐ)はカテゴリｐのカテゴリ類似
度、Ｎはカテゴリ総数である。また、

【００２８】

【数２】

【００２９】は類似度Ｒ(ｐ)のうち最大のものから定数
Ｋを減じた値を閾値Ｔとすることを示す。

【００３０】図５において処理はｓｔａｒｔ２０１から
始まりｅｎｄ２２０で終了する。類似度演算に先立ち図
６に示すように確率密度分布記憶手段２２には予め各カ
テゴリの音響的特徴を表す確率密度分布θ1(ｐ)、θ8
(ｐ)が記憶されているものとする。まずステップ２０２
において音響分析手段２１では入力された音声信号２６
に対し音響分析を行い音響パラメータベクトルｘに変換
する。

【００３１】次にステップ２０３〜２０６において第２
カテゴリ類似度演算手段２３では確率密度分布θ1(ｐ)
に対する類似度演算を行い、その類似度をカテゴリ類似
度Ｒ(ｐ)をとして出力する。ステップ２０７において確
率密度分布選択手段２４ではカテゴリ類似度の閾値Ｔを
決定し、ステップ２０８〜２１３においてカテゴリ類似
度が閾値Ｔより大きいカテゴリである近傍カテゴリに関
しては確率密度分布指定信号ｓ(ｐ)として８を与え、カ
テゴリ類似度が閾値Ｔ以下のカテゴリである非近傍カテ
ゴリに関しては確率密度分布指定信号ｓ(ｐ)を１とす
る。

【００３２】次にステップ２１４〜２１９において第１
カテゴリ確率演算手段２５においてカテゴリ類似度Ｂ
(ｐ)が演算される。確率密度分布指定信号ｓ(ｐ)が８の
場合には２１６において確率密度分布θ8(ｐ)を用いカ
テゴリ類似度Ｂ(ｐ)を演算し、確率密度分布指定信号ｓ
(ｐ)が１の場合には確率密度分布θ1(ｐ)を用いての類
似度演算は行わず、ステップ２１７において第２カテゴ
リ類似度演算手段より出力されるカテゴリ類似度Ｒ(ｐ)
をカテゴリ類似度Ｂ(ｐ)とする。

【００３３】これにより確率密度分布θ1(ｐ)を用いて
の類似度演算を削減でき演算量を少なくできる。この類
似度演算をカテゴリ総数であるＮ回繰り返し、カテゴリ
類似度Ｂ(ｐ)を出力する。このカテゴリ類似度Ｂ(ｐ)に
より入力された音声信号がどのカテゴリであったかを判
別できる。またこのカテゴリ類似度を出力確率としてＨ
ＭＭにおけるビテルビ演算を行うことができる。

【００３４】実施例３．以下、この発明に基づく別の一
実施例を図７を用いて説明する。図７において、６１は
音声信号を一定区間毎に音響分析し音響パラメータベク
トルに変換する音響分析手段、６２は同一カテゴリに属
する音声の音響的特徴を表す複数種類の確率密度分布を
記憶する確率密度分布記憶手段、６３は各カテゴリ毎に
この確率密度分布記憶手段に記憶されている特定の確率
密度分布を用いて前記音響パラメータベクトルのカテゴ
リ類似度を演算し第２カテゴリ類似度として出力する第
２カテゴリ類似度演算手段である。

【００３５】６４は外部から入力される選択制御信号に
より選択基準を定め前記第２カテゴリ類似度に応じて確
率密度分布をカテゴリ毎に選択し確率密度分布指定信号
を出力する確率密度分布選択手段、６５は確率密度分布
指定信号により指定される確率密度分布を用いて前記音
響分析手段から出力される音響パラメータベクトルのカ
テゴリ類似度を演算し出力するか前記第２類似度演算手
段より出力される第２カテゴリ類似度を入力しカテゴリ
類似度として出力するかを前記確率密度分布指定信号に
より選択する第１カテゴリ類似度演算手段である。

【００３６】６６は音声信号、６７ａ、６７ｂは音響パ
ラメータベクトル、６８ａ，６８ｂは確率密度分布、６
９ａ，６９ｂは第２カテゴリ類似度、７０は確率密度分
布指定信号、７１はカテゴリ類似度、７２は選択基準制
御信号である。

【００３７】以下、実施例２と同様に、第２カテゴリ類
似度演算手段において確率密度分布として分布数を１と
分布数８の２種類の混合連続分布を用い、第１カテゴリ
類似度演算手段において第２カテゴリ類似度演算手段と
共通の分布数１の混合分布を用いる場合を一例として、
この発明による類似度演算装置の動作を説明する。

【００３８】図７における音響分析回路６１、確率密度
分布記憶手段６２、第２カテゴリ類似度演算手段６３、
第１カテゴリ類似度演算手段６５の動作は実施例２のそ
れぞれ相当する手段と同一である。

【００３９】本実施例における確率密度分布選択手段６
４も実施例２と同様に第２カテゴリ類似度が閾値Ｔより
大きいか否かを評価基準として確率密度分布選択信号６
４を定めるが、実施例３における類似度演算装置ではこ
の閾値Ｔを求めるために用いる定数Ｋの値を外部入力さ
れる選択基準制御信号７２により変更できる構成とした
ものである。

【００４０】Ｋの値を小さくすれば閾値Ｔが大きくなり
演算量の大きな確率密度分布θ8(ｐ)に対する演算が少
なくなり類似度演算装置の演算量が小さくなり、逆にＫ
を大きくすれば演算量は大きくなる。このように外部か
ら入力される選択基準制御信号７２により類似度演算装
置の演算量を制御することが可能となる。

【００４１】なお、上記の実施例においてはカテゴリ判
定能力が高い確率密度分布として分布数が８の混合連続
分布からなる確率密度分布を用い、演算量が小さな確率
密度分布として分布数が１または２の混合分布からなる
確率密度分布を用いる場合を一例として説明したが、分
布数は他の数であってもよく、またはカテゴリ判定能力
が高い確率密度分布として多次元ガウス分布、演算量が
少ない確率密度分布として対角ガウス分布等、異なる型
の確率密度分布を組み合わせて用いてもよく同様に効果
を奏する。

【００４２】また上記の実施例において第１カテゴリ類
似度演算手段において同じカテゴリを表現する確率密度
分布を２種類として説明したが、３種類、４種類、また
はより多くの種類であってもよく、同様に効果を奏す
る。

【００４３】また上記の説明では全てのカテゴリが独自
の確率密度分布を持つものとして説明を行ったが、複数
のカテゴリが共通の確率密度分布により表現されてお
り、これを第２カテゴリ類似度演算手段において用いた
場合、さらに大きな演算量削減効果を生ずる。

【００４４】

【発明の効果】以上のようにこの発明によれば、同種カ
テゴリに属する音声の音響的特徴を表す複数種類の確率
密度分布を記憶する確率密度分布記憶手段と、各カテゴ
リ毎にこの確率密度分布記憶手段に記憶されている特定
の確率密度分布を用いて前記音響パラメータベクトルの
出力確率を演算し第２出力確率として出力する第２出力
確率演算手段と、この第２出力確率に応じて前記確率密
度分布記憶手段の確率密度分布をカテゴリ毎に選択し確
率密度分布指定信号を出力する確率密度分布選択手段
と、前記前記確率密度分布指定信号により指定される確
率密度分布を用いて音響分析手段から出力される音響パ
ラメータベクトルの出力確率の演算を行い出力する第１
出力確率演算手段を備える構成としたため、入力信号の
近傍カテゴリを出力確率により判定し、カテゴリ判定時
に重要となる近傍カテゴリに対してはよりカテゴリ判定
能力の高い確率密度分布に対する出力確率演算を行い、
非近傍カテゴリとなる程より演算量の小さな確率密度分
布に対する出力確率演算を行うことで、カテゴリ判定能
力を劣化させることなく出力確率演算の演算量の少ない
類似度演算装置を実現できる効果がある。

【図面の簡単な説明】

【図１】この発明の実施例１の類似度演算装置を示す構
成図である。

【図２】この発明の実施例１の類似度演算装置の動作を
示す流れ図である。

【図３】この発明の実施例１の確率密度分布記憶手段に
記憶されている確率密度分布を示す説明図である。

【図４】この発明の実施例２の類似度演算装置を示す構
成図である。

【図５】この発明の実施例２の類似度演算装置の動作を
示す流れ図である。

【図６】この発明の実施例２の確率密度分布記憶手段に
記憶されている確率密度分布を示す説明図である。

【図７】この発明の実施例３の類似度演算装置を示す構
成図である。

【図８】従来の類似度演算装置を示す構成図である。

【図９】従来の類似度演算装置の動作を示す流れ図であ
る。

【図１０】従来の確率密度分布記憶手段に記憶されてい
る確率密度分布を示す説明図である。

【符号の説明】

１ 音響分析手段 ２ 確率密度分布記憶手段 ３ 第２カテゴリ類似度演算手段 ４ 確率密度分布選択手段 ５ 第１カテゴリ類似度演算手段 ６ 音声信号 ７ａ，７ｂ 音響パラメータベクトル ８ａ，８ｂ 確率密度分布 ９ 第２カテゴリ類似度 １０ 確率密度分布指定信号 １１ カテゴリ類似度 ２１ 音響分析手段 ２２ 確率密度分布記憶手段 ２３ 第２カテゴリ類似度演算手段 ２４ 確率密度分布選択手段 ２５ 第１カテゴリ類似度演算手段 ２６ 音声信号 ２７ａ，２７ｂ 音響パラメータベクトル ２８ａ，２８ｂ 確率密度分布 ２９ａ，２９ｂ 第２カテゴリ類似度 ３０ 確率密度分布指定信号 ３１ カテゴリ類似度 ６１ 音響分析手段 ６２ 確率密度分布記憶手段 ６３ 第２カテゴリ類似度演算手段 ６４ 確率密度分布選択手段 ６５ 第１カテゴリ類似度演算手段 ６６ 音声信号 ６７ａ，６７ｂ 音響パラメータベクトル ６８ａ，６８ｂ 確率密度分布 ６９ａ，６９ｂ 第２カテゴリ類似度 ７０ 確率密度分布指定信号 ７１ カテゴリ類似度 ７２ 選択基準制御信号

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁶，ＤＢ名) G10L 5/06 G10L 3/00 535 G10L 3/00 571 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 認識カテゴリ毎の音声の音響的特徴を表
   す確率密度分布を用いて音声信号のＨＭＭ（隠れマルコ
   フモデル）の出力確率を演算する類似度演算装置におい
   て、 音声信号を一定区間毎に音響分析し音響パラメータベク
   トルに変換する音響分析手段と、同種 カテゴリに属する音声の音響的特徴を表す複数種類
   の確率密度分布を記憶する確率密度分布記憶手段と、 各カテゴリ毎にこの確率密度分布記憶手段に記憶されて
   いる特定の確率密度分布を用いて前記音響パラメータベ
   クトルの出力確率を演算し第２出力確率として出力する
   第２出力確率演算手段と、 この第２出力確率に応じて前記確率密度分布記憶手段の
   確率密度分布をカテゴリ毎に選択し確率密度分布指定信
   号を出力する確率密度分布選択手段と、 前記確率密度分布指定信号により指定される確率密度分
   布を用いて音響分析手段から出力される音響パラメータ
   ベクトルの出力確率の演算を行い出力する第１出力確率
   演算手段を備え、 入力される音声信号に応じて各カテゴリ毎に確率密度分
   布の種類を選択し出力確率を演算することを特徴とする
   類似度演算装置。
2. 【請求項２】 前記第１出力確率演算手段を、指定され
   た確率密度分布に対する出力確率の演算を行い出力確率
   を出力するか、前記第２出力確率演算手段より出力され
   る第２出力確率を入力し出力確率として出力するかを前
   記確率密度分布指定信号により選択する構成とすること
   を特徴とする請求項１記載の類似度演算装置。
3. 【請求項３】 前記確率密度分布選択手段を、外部から
   入力される選択基準制御信号に応じて確率密度分布を選
   択する基準を変える構成とすることを特徴とする請求項
   １または請求項２記載の類似度演算装置。
4. 【請求項４】 前記第２出力確率演算手段では複数のカ
   テゴリに対して共通の確率密度分布を用いて演算する構
   成とすることを特徴とする請求項１乃至請求項３の何れ
   かに記載の類似度演算装置。