～ 音声分析手法、確率モデル・深層学習による音声認識技術、認識率向上のためのノイズロバスト音声認識技術、ブラインド音声分離の基礎と応用 ～
・音声認識技術の基礎から、深層学習や音源分離の応用までを修得し、雑音低減や認識精度向上に活かすための講座！
・音声分析手法、HMMやディープラーニングによる音声認識技術、ノイズ除去手法、音源分離を拡張した音声分離技術を修得し、実環境での認識率向上に活かそう！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
音声認識技術の基礎と認識率向上のポイントおよびブラインド音声分離の応用 ＜オンラインセミナー＞
講師の言葉
本講義では音声分析及び音声認識に関する基礎と応用について説明します。波形データより音声認識で必要となる特徴量抽出から認識候補を決定する過程について述べます。また、ディープニューラルネットワークによる音声認識などにも触れます。
認識率に影響を与える雑音を低減させる雑音抑圧や骨伝導などによる音声抽出についても説明します。加えて、音声の音響的特徴を捉える新たな方法として音源分離を拡張した音声分離についても紹介します。
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・音声認識の基礎から習得したい方 ・電子機器、自動車、端末及び情報システムなどのインタフェースの開発に携わる方 ・雑音に対して頑健な音声及び信号の抽出法に携わる方 |
| 予備知識 | ・大学教養課程修了程度の数学知識 |
| 修得知識 |
・パターン認識の基礎から音声認識の過程を理解できる ・音声認識率の低下となる要因や原因を理解し、この課題を解決する方法の修得が期待できる |
| プログラム |
１．音声認識の基礎 （１）．音声分析・音声認識における技術進展 （２）．音声分析 ａ．音声収録 ｂ．周波数分析 ｃ．線形予測分析 ｄ．ケプストラム分析 （３）．確率モデルによる音声認識 ａ．パターン認識の基礎 ｂ．特徴量抽出 ｃ．テンプレートによる音声認識：動的計画法（ＤＴＷ） ｄ．確率モデルによる音声認識：隠れマルコフモデル（ＨＭＭ） （４）．ディープラーニングを用いた音声認識 ａ．ニューラルネットワークの基礎 ｂ．ディープニューラルネットワーク ｃ．ディープニューラルネットワークによる音声認識 ｄ．ディープニューラルネットワークと隠れマルコフモデルを併用した音声認識 ｅ．End to End音声認識
２．認識率向上のためのノイズロバスト音声認識 （１）．音声と雑音の関係性 （２）．雑音抑圧手法を用いた音声認識 ａ．スペクトルサブトラクション法 ｂ．ウィーナー法 （３）．マイクロフォンアレイを用いた音声認識 （４）．骨伝導を用いた音声認識 ａ．音声と骨伝導 ｂ．骨伝導を用いた音声認識とその応用
３．ブラインド音声分離の基礎と応用 （１）．ブラインド音源分離の基礎 ａ．ブラインド音源分離と音声分離 ｂ．独立成分分析によるブラインド音源分離 （２）．非負値因子行列分解（ＮＭＦ） ａ．行列表現とランク数 ｂ．ＮＭＦによるブラインド音源分離 （３）．独立低ランク行列分析（ＩＬＲＭＡ） ａ．ＩＬＲＭＡによるブラインド音源分離 （４）．音声に対する音声分離 ａ．音源分離から音声分離への拡張 ｂ．音声を対象としたモデリング ｃ．ケプストラム基底分解を用いた音声分解 |
| キーワード |
音声分析 音声認識 周波数分析 線形予測分析 ケプストラム分析 確率モデル パターン認識 特徴量抽出 隠れマルコフモデル DTW HMM Deep Learning End to End音声認識 ノイズロバスト音声認識 スペクトルサブトラクション法 ウィーナー法 ブラインド音源分離 独立成分分析 |
| タグ | AI・機械学習、信号処理、音声処理 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日