• 2018年03月07日(水) 10:30 ～ 17:30

１． 音声の特徴抽出

　　（１）．発声器官と音声

　　（２）．発声器官形状推定としての音声認識

　　（３）．スペクトル分析−MFCCの導出

　　　　ａ．音声のサンプリング

　　　　ｂ．短時間フーリエ変換

　　　 　c．メルフィルタバンク分析

d.　MFCC(Mel-Frequency Cepstral Coefficients)の導出

２． 隠れマルコフモデル（Hidden Markov Model; HMM）による音声認識

　　（１）．HMMによる音声認識

　　（２）．認識アルゴリズムと学習アルゴリズム

　　（３）．連続音声認識

　　（４）．WFSTによる音声認識システム

３． Deep Neural Network (DNN)との融合

　　（１）．Deep Neural Network

　　（２）．音声認識におけるDeep Neural Network (DNN)

　　　　　ａ．特徴抽出器としてのDNN‐TANDEM法

　　　　　ｂ．出力確率推定器としてのDNN ‐DNN-HMM法

　　（３）．DNN-HMMとGMM-HMMの比較

　　（４）．音声認識技術の今後の動向

　　　　　・End-to-end音声認識に向けて

４．音声認識の応用事例‐過去から将来まで‐

　　（１）．自動車内インタフェース

　　（２）．テレビ字幕制作システム

　　（３）．CALLシステム

　　（５） ．音声検索 ‐音声ドキュメント処理‐

　　（６）．音声対話システム ‐一問一答から知的処理まで‐

　　（７）．音声認識・音声対話・音声言語の今後について

５．AIアシスタントブームについて

　　（１）．自然言語理解、会話型インターフェースの最新動向

　　（２）．Ｇogle Now、Apple Siri、 IBM Watson、 Amazon Alexa、

Microsoft’s Cortana

６．次世代スマートカーの課題

　　（１）．自動運転車・準自動運転車の増加

　　（２）．複雑な運転機能やコネクテッドサービスの追加

　　（３）．拡大するドライバーディストラクション

　　　　　　・注意阻害

７．理想のインテリジェントドライバーアシスタントとは

　　（１）．次世代ドライバーの車内・車外ライフにどう貢献するか

８．AIアシスタント技術

　　（１）． AIと自然対話機能

　　（２）．インテグレーション

　　（３）．学習機能

９．R&Dへの取り組み

　　（１）．ディープラーニング

　　（２）．ナレッジ生成、認

　　（３）．知負荷管理技術

１０． ユースケース

　　（１）．導入事例、技術応用例

日本テクノセンター研修室