適用製品
時系列で入力された情報を、ニューラルネットワークを用いて認識する技術
目的
学習対象であるモデルの構造を変えることなく、学習対象であるモデルの認識率を、より構造が複雑な教師モデルの認識率に近づけることで、リアルタイム性と音声認識率を両立したモデルを得ることを課題とする。
効果
学習システムあるいは学習方法で学習される第１のモデルは、教師モデルである第２のモデルと比べると構造は単純であるモデルでありながら、高い認識精度を保持している。また、第１のモデルは第２のモデルと比較して構造が単純であるため、ハードウェアとして実装する場合であっても、ソフトウェアとして実装する場合であっても、コンピュータやデバイスに対する性能の要求を低くすることができる。
技術概要
時系列情報を認識するシステムを構成するために、ニューラルネットワークを学習するシステムであって、
時系列情報を表現可能なニューラルネットワークを内部に有する第１のモデルと、
時系列情報を表現可能なニューラルネットワークを内部に有し、正解ラベルによって学習された、第１のモデルよりも構造が複雑な第２のモデルと、
第１のモデルを生徒モデルとし、第２のモデルを教師モデルとし、ナレッジディスティレーションを用いて第１のモデルを学習する第１のモデル学習部と、
を備え、
第１のモデル学習部は、
複数のフレームデータを含む第１の時系列データを第１のモデルに入力し、第１のモデルの第１の出力結果として、ラベル系列候補群のそれぞれの確率を得る第１の出力部と、
複数のフレームデータを含む第１の時系列データを第２のモデルに入力し、第２のモデルの第２の出力結果として、ラベル系列候補群のそれぞれの確率を得る第２の出力部と、
第１の出力結果と第２の出力結果との差を評価する評価部と、
評価部における評価結果に基づいて、第１のモデルを学習させる第１のモデル学習部と、
を備える時系列情報の学習システム。
基本情報
開放特許情報
)
登録者情報
その他の情報
