close
1.

図書

図書
板橋秀一編著 ; 赤羽誠 [ほか] 共著
出版情報: 東京 : 森北出版, 2005.2  vii, 244p ; 22cm
所蔵情報: loading…
2.

図書

図書
藤原洋編
出版情報: 東京 : 共立出版, 2000.3  vii, 146p ; 21cm
シリーズ名: インターネット時代の数学シリーズ / 戸川隼人 [ほか] 編 ; 5
所蔵情報: loading…
3.

図書

図書
堂下修司 [ほか] 共編
出版情報: 東京 : オーム社, 1998.2  xvii, 383p ; 22cm
所蔵情報: loading…
4.

図書

図書
長尾真 [ほか] 著
出版情報: 東京 : 岩波書店, 2000.1  xviii, 241p ; 23cm
シリーズ名: 岩波講座マルチメディア情報学 ; 4
所蔵情報: loading…
5.

図書

東工大
目次DB

図書
東工大
目次DB
荒木雅弘著
出版情報: 東京 : 森北出版, 2007.10  ix, 232p ; 22cm
所蔵情報: loading…
目次情報: 続きを見る
第1部 パターン認識の基礎 1
第1章 パターン認識って何? 2
   1.1 パターン認識システムの構成 3
   1.2 パターンの前処理 5
   1.3 特徴抽出とは 5
   1.4 識別部の役割 7
   1.4.1 識別部の構成 7
   1.4.2 プロトタイプの決め方 8
   演習問題 11
第2章 データをきちんと取り込もう 12
   2.1 アナログ信号のディジタル化 12
   2.1.1 アナログ信号は波である 12
   2.1.2 標本化と量子化 13
   2.2 特徴抽出をしやすくする処理 16
   2.2.1 音の場合 16
   2.2.2 画像の場合 17
   演習問題 18
第3章 パターンの特徴を調べよう 19
   3.1 変動に強い特徴とは 20
   3.1.1 音声の場合 20
   3.1.2 文字の場合 24
   3.2 特徴の正規化 24
   3.3 特徴は多いほどよいか 27
   3.3.1 偶然に見つかってしまってはまずい 27
   3.3.2 特徴を減らそう 30
   演習問題 34
第4章 パターンを識別しよう 35
   4.1 NN法の定式化 35
   4.1.1 距離最小とは 36
   4.1.2 プロトタイプと決定境界の関係 37
   4.2 プロトタイプの決め方 38
   4.3 パーセプトロンの学習規則 40
   4.3.1 識別関数の設定 41
   4.3.2 識別関数とパーセプトロン 41
   4.3.3 2クラスの識別関数の学習 42
   4.3.4 パーセプトロンの学習アルゴリズム 45
   4.4 区分的線形識別関数とk-NN法 48
   4.4.1 平面で区切れない場合 48
   4.4.2 区分的線形識別関数の実現 48
   4.4.3 区分的線形識別関数の識別能力 50
   4.4.4 学習をあきらめるのも一手 50
   4.4.5 k-NN法の実現 51
   演習問題 52
第5章 誤差をできるだけ少なくしよう 53
   5.1 誤差評価にもとづく学習とは 53
   5.2 Widrow-Hoffの学習規則 55
   5.2.1 最急降下法 55
   5.2.2 Widrow-Hoffの学習規則 56
   5.3 パーセプトロンの学習規則との比較 58
   5.3.1 パーセプトロンの学習規則を導く 58
   5.3.2 着目するデータの違い 59
   演習問題 60
第6章 限界は破れるか-SVMとニューラルネットワーク 61
   6.1 サポートベクトルマシン 61
   6.1.1 分離面は見つかったけれど 62
   6.1.2 SVMの学習アルゴリズム 62
   6.1.3 線形分離可能にしてしまう 69
   6.2 ニューラルネットワーク 71
   6.2.1 ニューラルネットワークの構成 72
   6.2.2 誤差逆伝播法による学習 73
   演習問題 80
第7章 未知データを推定しよう-統計的方法 81
   7.1 間違う確率を最小にしたい 81
   7.1.1 誤り確率最小の判定法 82
   7.1.2 事後確率の求め方 82
   7.1.3 事後確率の間接的な求め方 83
   7.1.4 厄介者P(x)を消そう 83
   7.1.5 事前確率 84
   7.1.6 最後の難敵「尤度」 85
   7.2 データの広がりを推定する 85
   7.2.1 未知データの統計的性質を予測する 85
   7.2.2 最尤推定 87
   7.2.3 統計的な識別 88
   演習問題 91
第8章 本当にすごいシステムができたの? 92
   8.1 未知データに対する認識率の評価 92
   8.1.1 分割学習法 92
   8.1.2 交差確認法 93
   8.2 システムを調整する方法 95
   8.2.1 悪いところを探す 96
   8.2.2 前処理の確認 96
   8.2.3 特徴空間の評価 96
   8.2.4 ハイパーパラメータの調整 100
   演習問題 102
第2部 実践編-音声認識システムをつくる 103
第9章 連続音声を認識してみよう 104
   9.1 統計的音声認識手法 105
   9.2 音響モデルの難しさ 106
   9.3 言語モデルの難しさ 107
   9.3.1 文法による記述 107
   9.3.2 統計的言語モデル 108
   9.4 探索の難しさ 109
   演習問題 111
第10章 声をモデル化してみよう-音響モデルの作り方・使い方・鍛え方 112
   10.1 なぜ音響「モデル」か 112
   10.2 音響モデルの作り方 113
   10.3 音響モデルの使い方 118
   10.3.1 HMMにおける確率計算 118
   10.3.2 トレリスによる効率のよい計算 119
   10.3.3 ビタビアルゴリズムによる近似計算 120
   10.4 音響モデルの鍛え方 122
   10.4.1 状態遷移系列がわかっている場合 123
   10.4.2 状態遷移系列の確率がわかっている場合 123
   10.4.3 Baum-Welchアルゴリズム 124
   10.5 実際の音響モデル 127
   10.5.1 離散値から連続値へ 127
   10.5.2 モノフォンとトライフォン 128
   演習問題 129
第11章 HTKを使って単語を認識してみよう 130
   11.1 HTKの構成 130
   11.2 音声の録音とラベル付け 132
   11.2.1 音声の録音(HSLabの場合) 132
   11.2.2 音声の録音(wavesurferの場合) 132
   11.2.3 正解ラベル付け 134
   11.3 特徴抽出 136
   11.4 初期モデルの作成 137
   11.5 初期値の設定 140
   11.6 HMMの学習 141
   11.7 単語認識 143
   11.8 認識率の評価 145
   演習問題 147
第12章 文法を使って音声を認識してみよう 148
   12.1 文法とは 148
   12.2 正規文法と文脈自由文法 150
   12.2.1 文脈自由文法 151
   12.2.2 正規文法 152
   12.3 具体的な文法の記述法 152
   12.3.1 Julianでの文法の記述方法 152
   12.3.2 標準化された文法記述 158
   演習問題 162
第13章 統計的言語モデルを作ろう 163
   13.1 N-グラムで確率計算 164
   13.2 N-グラム言語モデルを作る 165
   13.2.1 N-グラムの推定 165
   13.2.2 語彙の制限 165
   13.2.3 バックオフスムージング 166
   13.2.4 ディスカウント値の決め方 168
   13.2.5 線形補間法 169
   13.3 言語モデルの評価 170
   13.4 Palmkit入門 170
   演習問題 177
第14章 連続音声認識に挑戦しよう 178
   14.1 音声認識における探索 178
   14.1.1 順番に探してゆこう 179
   14.1.2 ヒューリスティック探索 180
   14.1.3 調べる候補を絞り込む 186
   14.2 ゴールまでの近さの情報 187
   14.3 Juliusを動かす 189
   14.4 Julianを動かす 192
   14.5 認識結果の評価 193
   14.5.1 評価用データの準備 193
   14.5.2 認識実験 194
   14.5.3 認識率の算出 195
   演習問題 197
第15章 会話のできるコンピュータを目指して 198
   15.1 会話のできるコンピュータの要素技術 198
   15.2 音声合成のツール 200
   15.2.1 音声合成の手順 200
   15.2.2 日本語音声合成ツール Galatea talk 201
   15.3 顔画像合成のツール 203
   15.4 対話制御 203
   15.4.1 対話記述言語VoiceXML 203
   15.4.2 VoiceXMLによる擬人化エージェントの制御 204
   15.5 より自然な会話のために 207
   15.5.1 話し出すタイミング 208
   15.5.2 わかるということ 208
   15.5.3 本当の意味は 209
   演習問題 210
演習問題の解答 211
付録A 数学的な補足 220
   A.1 平均と分散 220
   A.2 共分散行列 220
   A.3 固有ベクトル 221
   A.4 正規分布 222
付録B インストールガイド 223
   B.1 cygwln 223
   B.2 savesurfer 223
   B.3 WEKA 223
   B.4 HTK 224
   B.5 Palmkit 224
   B.6 Julius/Julian 225
   B.7 Galatea 225
付録C 「楽して学べるパターン認識」と「その後」 226
参考文献 228
あとがき 229
索引 230
第1部 パターン認識の基礎 1
第1章 パターン認識って何? 2
   1.1 パターン認識システムの構成 3
6.

図書

図書
河原達也, 荒木雅弘共著 ; 人工知能学会編集
出版情報: 東京 : オーム社, 2006.10  xi, 191p ; 21cm
シリーズ名: 知の科学
所蔵情報: loading…
7.

図書

図書
大澤光編著
出版情報: 東京 : 共立出版, 2000.7  viii, 237p ; 26cm
所蔵情報: loading…
8.

図書

図書
Jonathan Davidson, James Peters著 ; 風工舎訳編
出版情報: 東京 : ソフトバンクパブリッシング, 2001.1  xxiii, 399p ; 24cm
所蔵情報: loading…
9.

図書

図書
平坂文男著
出版情報: 横浜 : 関東学院大学出版会 , 東京 : 丸善 (発売), 2009.3  viii, 192p ; 21cm
所蔵情報: loading…
10.

図書

図書
末永康仁編著
出版情報: 東京 : オーム社, 2008.11  v, 168p ; 21cm
シリーズ名: 新インターユニバーシティ
所蔵情報: loading…
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼