フリーソフトでつくる音声認識システム - パターン認識・機械学習の初歩から対話システムまで

posted with amazlet at 14.08.03

荒木雅弘
森北出版
売り上げランキング: 65,648

Amazon.co.jpで詳細を見る

音声データを扱う必要が出てきたので、音声データのデータ加工や特徴抽出について手早く知りたいと思い、手に取った。だが、そういう目的なら、次のWebサイトのほうが詳しく判りやすい。仕事なので、これぐらいのレベルの知識は必要。

Pythonで音声信号処理 - 人工知能に関する断創録

だが、この本の前半は、機械学習の初学者向けには良い内容になっていると思った。NN法とパーセプトロンの学習規則、k-NN法と区分的線形識別関数の関係、サポートベクトルマシン、ベイズの誤り確率の上/下限値の解説などの部分。

2.1.2 標本化と量子化
4.3 パーセプトロンの学習規則
NN法との関係
4.4 区分的線形識別関数とk-NN法
6.1 サポートベクトルマシン
(p.70)この方法は、むやみに特徴を増やして次元を上げる方法とは違います。識別に役立つ特徴で構成されたd次元空間に対して、元の空間におけるデータ間の距離関係を保存する方式で高次元に非線形変換しても、その高次元空間上での線形識別器の性能は元の空間の性能を反映することがわかっています。・・・しかし問題は、元の空間におけるデータ間の距離関係を保存するような、そんな都合のよい非線形写像が見つかるかということです。・・・つまり、元の空間での2点間の距離が、非線形写像後の空間における内積に反映されるという形式で、近さの情報を保存します。
8.2 システムを調整する方法
8.2.3 特徴空間の評価 (3)ベイズの誤り確率の求め方
交差確認法によってベイズ誤り確率の上限値が求まるということです。
ベイズの誤り確率の下限値は、・・・さまざまなデータ集合に対してその集合を学習とテストの両方に用いたときの誤識別率の平均で与えられます。