このサイトでは, 発話音声, 人間の動作, 自動車運転動作をはじめとする多次元時系列データに潜む二重分節構造を推定する二重分節解析器に関する情報を提供しています. 二重分節解析器の開発目的および研究背景については, 「二重分節構造とは」をご覧ください. 関連論文 - Tadahiro Taniguchi, Shogo Nagasaka, Ryo Nakashima, Nonparametric Bayesian Double Articulation Analyzer for Direct Language Acquisition from Continuous Speech Signals, IEEE Transactions on Cognitive and Developmental Systems, Vol.8 (3), pp. 171-185 .(2016) DOI: 10.1109/TCDS.2016.2550591 (Open Access) [LINK]
- ノンパラメトリックベイズ二重分節解析器 (NPB-DAA)の原著論文です. NPB-DAAの開発を目的として, 階層的ディリクレ過程隠れ言語モデル(HDP-HLM)という新しい二階層の隠れセミマルコフモデルを発表しています.
- Tadahiro Taniguchi, Ryo Nakashima, Hailong Liu and Shogo Nagasaka, Double Articulation Analyzer with Deep Sparse Autoencoder for Unsupervised Word Discovery from Speech Signals, Advanced Robotics, Vol.30 (), (11-12) pp. 770-783 .(2016) DOI:10.1080/01691864.2016.1159981 [LINK]
- NPB-DAAと教師なし深層学習手法であるDSAE(deep sparse autoencoder)を組み合わせることにより, 日本語母音音声からの教師なし語彙獲得タスクにおいてNPB-DAAが高いパフォーマンスを示すことを述べています .
- Tadahiro Taniguchi, Shogo Nagasaka, Double Articulation Analyzer for Unsegmented Human Motion using Pitman-Yor Language model and Infinite Hidden Markov Model, 2011 IEEE/SICE International Symposium on System Integration, pp. 250 - 255 .(2011) [PDF]
- こちらは旧バージョンの二重分節解析器(論文1においてはconventional DAAと呼んでいます)の原著論文です. これは時系列データの分節においてはstickyな階層的ディリクレ過程隠れマルコフモデル (sticky HDP-HMM) を, 潜在状態列の分節においては階層的Pitman-Yor言語モデル (NPYLM)をそれぞれ用いたものです.
|
|