著者

岡田 将吾 長谷川 修

出版者

The Institute of Electronics, Information and Communication Engineers

雑誌

電子情報通信学会論文誌 D (ISSN:18804535)

巻号頁・発行日

vol.J91-D, no.4, pp.1042-1057, 2008-04-01

---

本研究では,オンライン教師なし学習手法であるSelf-Organizing Incremental Neural Network (SOINN)を用いて各状態の出力分布を自己組織的に近似可能な時系列データの学習モデルを提案する.提案手法は従来手法であるストキャスティックDP法を拡張した新規の手法である.ストキャスティックDP法では各状態を一つの多次元正規分布で近似しているのに対し,提案手法では各状態の出力分布がSOINNによって自己組織的に近似される上,各状態の出力分布が詳細に近似されるため,時系列データの頑健なモデル化が可能となる.提案手法の有効性を検証するために,動画像から得られる動作及び音素を用いた認識実験を行った.HMM (Hidden Markov Model)及びストキャスティックDP法と認識精度を比較することで提案手法の有効性を示す.