WIPO logo
Mobile | Deutsch | English | Español | Français | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

国際・国内特許データベース検索
World Intellectual Property Organization
検索
 
閲覧
 
翻訳
 
オプション
 
最新情報
 
ログイン
 
ヘルプ
 
自動翻訳
1. (WO2016181951) リカレント型ニューラルネットワークの学習方法及びそのためのコンピュータプログラム、並びに音声認識装置
国際事務局に記録されている最新の書誌情報    第三者情報を提供

Translation翻訳: 原文 > 日本語
国際公開番号:    WO/2016/181951    国際出願番号:    PCT/JP2016/063817
国際公開日: 17.11.2016 国際出願日: 10.05.2016
IPC:
G06N 3/08 (2006.01), G06N 3/04 (2006.01), G10L 15/06 (2013.01), G10L 15/16 (2006.01)
出願人: NATIONAL INSTITUTE OF INFORMATION AND COMMUNICATIONS TECHNOLOGY [JP/JP]; 4-2-1 Nukui-Kitamachi, Koganei-shi, Tokyo 1848795 (JP)
発明者: KANDA, Naoyuki; (JP)
代理人: SHIMIZU, Satoshi; (JP)
優先権情報:
2015-096150 11.05.2015 JP
発明の名称: (EN) RECURRENT NEURAL NETWORK LEARNING METHOD, COMPUTER PROGRAM FOR SAME, AND VOICE RECOGNITION DEVICE
(FR) PROCÉDÉ D'APPRENTISSAGE DE RÉSEAU NEURONAL RÉCURRENT, PROGRAMME INFORMATIQUE POUR CE DERNIER ET DISPOSITIF DE RECONNAISSANCE VOCALE
(JA) リカレント型ニューラルネットワークの学習方法及びそのためのコンピュータプログラム、並びに音声認識装置
要約: front page image
(EN)[Problem] To provide a learning method for increasing the efficiency of learning of a Recurrent Neural Network (RNN) using time-series data. [Solution] A learning method includes a step 220 for initializing the RNN, and a learning step 226 for indicating a vector as a start position and optimizing the parameters such that the error coefficient is minimized, whereby RNN learning is performed. The learning step 226 includes: an update step 250 for updating the parameters of the RNN with a Truncated BPTT using N (N≥3) continuous vectors having the indicated vector as the head, the reference value of the tail vector being the correct answer label; and a first repetition step 240 for repeating a process in which until an ending condition is true, a vector in a position satisfying a prescribed relationship is newly indicated for the tail vector of the N vectors used in the update step, and the learning step is executed. The vector in the position satisfying the prescribed relationship is a vector two or more after the indicated vector.
(FR)Le problème décrit dans la présente invention vise à fournir un procédé d'apprentissage pour augmenter l'efficacité d'apprentissage d'un réseau neuronal récurrent (RNN) à l'aide des données de série temporelle. La solution décrite concerne un procédé d'apprentissage qui comprend une étape (220) pour initialiser le RNN, et une étape d'apprentissage (226) pour indiquer un vecteur en tant que position de départ et optimiser les paramètres de telle sorte que le coefficient d'erreur est réduit au minimum, ce qui permet à l'apprentissage RNN d'être effectué. L'étape d'apprentissage (226) comprend : une étape de mise à jour (250) pour mettre à jour les paramètres du RNN avec un BPTT tronqué à l'aide de N vecteurs continus (N ≥3) ayant le vecteur indiqué comme la tête, la valeur de référence du vecteur de queue étant l'étiquette de réponse correcte; et une première étape de répétition (240) pour répéter un processus dans lequel jusqu'à ce qu'une condition de fin soit vraie, un vecteur dans une position satisfaisant une relation prescrite est nouvellement indiqué pour le vecteur de queue des N vecteurs utilisés dans l'étape de mise à jour, et l'étape d'apprentissage est exécutée. Le vecteur dans la position satisfaisant la relation prescrite est un vecteur deux ou plus après le vecteur indiqué.
(JA)【課題】時系列のデータによるリカレント型ニューラルネットワーク(RNN)の学習を効率化する学習方法を提供する。【解決手段】学習方法は、RNNを初期化するステップ220と、あるベクトルを開始位置として指定し、各パラメータを誤差関数が最小化するよう最適化することでRNNの学習を行う学習ステップ226とを含む。学習ステップ226は、指定されたベクトルを先頭とする連続するN個(N≧3)のベクトルを用い、末尾のベクトルの参照値を正解ラベルとするTruncated BPTTによりRNNのパラメータを更新する更新ステップ250と、終了条件が成立するまで、更新ステップで使用されたN個のベクトルの末尾のベクトルに対して所定の関係を満たす位置にあるベクトルを新たに指定して、学習ステップを実行する処理を繰返す第1の繰返しステップ240とを含む。所定の関係を満たす位置にあるベクトルは指定されたベクトルより少なくとも2個以上後のベクトルである。
指定国: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
アフリカ広域知的所有権機関(ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
ユーラシア特許庁(EAPO) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
欧州特許庁(EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
アフリカ知的所有権機関(OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
国際公開言語: Japanese (JA)
国際出願言語: Japanese (JA)