More Related Content
More from Akinori Ito (9)
音声認識の基礎
- 23. 23
HMMと確率
Model M Vectors X
p(X∣M)
p(X∣M)=∑
S
p(X∣S) S=s1 s2…sN 特定の状態系列
p(X∣S)=∏
i=1
N
asi−1 si
bsi
(xi) 効率の良い計算方法がある
(forward algorithm)
- 25. 25
HMMの特徴
生成モデルである (vs. 識別モデル)
– 音声の特徴量系列が出力される「確率密度」を計算する
ことができる
任意の長さの系列が生成できる
– 伸び縮みする系列を扱うのに適している
– 系列と状態を対応付ける方法が確立している(ビタビアル
ゴリズム)
学習によってパラメータが推定できる
– サンプルを与えることで,そのサンプルを生成する確率
が高いHMMを推定することができる (Baum-Welch のア
ルゴリズム)