問題一覧
1
パターン認識とは
データの中の規則性を自動的に見つけ出し、更にはその規則性を使ってデータを異なるカテゴリに分類する
2
パターン認識の流れ
前処理 特徴抽出部 照合・識別部
3
機械学習のノンパラメトリックの教師ありの学習
1-nn法、パーセプトロン、サポートベクトルマシン
4
機械学習の分類でノンパラメトリックの教師なし
階層的クラスタリング、k-means法
5
1-NN法とは
各クラスの代表を用意し、代表と最も近いクラスを識別結果にする
6
パーセプトロンとは
2値分類を行う線型識別器とその識別器の学習法
7
パーセプトロンの拡張
サポートベクトルマシン
8
射程手法で使われる方法
カーネルトリック
9
最もよく使われるカーネル関数
動径基底関数カーネル
10
教師なし学習法の例
クラスタリング、次元圧縮
11
k-means法とは
クラスタとデータの類似度を計算して、最も近いクラスタに分類する
12
階層型クラスタリングとは
個々のサンプルを一つのクラスタとして扱う 最も近くにあるクラスタ同士を連結していく クラスタが一つになるまで続ける
13
標本化とは
アナログ信号を時間方向に離散化
14
量子化とは
アナログ信号の振幅を離散化
15
符号化とは
離散化された振幅を数値に変換
16
音の大きさとは
音の信号の圧力のこと
17
倍音で何が決まるか
音の音色を決める、音素を決める、個人性が顕れる
18
音素とは
音声の最小単位
19
音声の種類
有音声 声帯振動を伴う音のこと 無声音 それ以外の声道の動きによって生成される音
20
スペクトル解析とは
音信号に含まれる周波数成分を調べる
21
フーリエ変換の目的
音声信号の周波数成分を分解し、どのような周波数で構成された音声なのかを分析すること
22
音声の生成過程を音源とフィルタで近似する
音源フィルタ理論
23
声道形状によって強められる周波数
フォルマント周波数
24
ケプストラム分析とは
音源特性と声道特性を分離することができる
25
メル周波数軸に基づくスペクトルを表す特徴量
メル周波数軸ケプストラム係数
26
メル周波数ケプストラム係数の順番
第8回
27
周波数地域ごとのフィルタ
メルフィルタバンク
28
スペクトラルの推定誤差や発生変動、雑音の影響を除去するためにケプストラム係数時系列の回帰直線の傾きを求めたもの
デルタケプストラム
29
意味のある最小の言語要素
形態素
30
形態素に分割する処理
分かち書き
31
分かち書きを主な目的とした処理
形態素分析
32
曖昧性への対象で文の先頭から解析を始める
最長一致法
33
第一文節と第二文節の長さが最長の組みの中から、第二文節の長さが最も長い解釈を選択して、第一文節を決定する
二文節最長一致法
34
単語数が最小の区切り法を選択する
単語数最小法
35
接続表を2値ではなく接続値で与える
接続コスト最小法
36
形態素分析の課題四つ
曖昧性、同音異義語、未知語、口語・絵文字
37
連続するN個数の文字で区切る n＝1.2.3の時それぞれなんというか
n-gram ユニグラム バイグラム トライグラム
38
中頻度語の決定則
Zipfの法則
39
多く出現する語はそれだけ文章の特徴づけに貢献している度数
語頻度
40
対数をとって出現頻度に差がありすぎる場合に対処する度合い
対数化語頻度
41
長い文章と短い文章を公平に扱うために正規化する
正規化語頻度
42
様々な文章に共通して何度と出現する語は重要ではない度数
文章頻度
43
語頻度と文章頻度の組み合わせ
tf-idf
44
文章の特徴をベクトルで表現して、それを利用してテキスト検索などに適用するモデル
ベクトル空間モデル
45
文章を単語の集合として表現したもの
Bag of words
46
文章と文章がどれだけ似ているかを表す尺度
類似尺度
47
どの周波数成分がどれだけ含まれているか表したもの
スペクトル
48
フーリエ変換を切り出すための関数
窓関数
49
スペクトルの時間変化を図示したもの
スペクトログラム
50
スペクトログラム 別名
ソナグラム