JPH09190420A - パターン認識装置 - Google Patents
パターン認識装置Info
- Publication number
- JPH09190420A JPH09190420A JP8017069A JP1706996A JPH09190420A JP H09190420 A JPH09190420 A JP H09190420A JP 8017069 A JP8017069 A JP 8017069A JP 1706996 A JP1706996 A JP 1706996A JP H09190420 A JPH09190420 A JP H09190420A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- weight
- recognition
- recognition result
- inputs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
(57)【要約】
【課題】未学習の入力パターンを認識するために数多く
のデータに対してマッチングを取るため計算時間が膨大
になる。そこで、マッチング回数を少なくする。 【解決手段】前処理装置１１は認識対象パターンを入力
して、その特徴を抽出する。各判定器１２は認識パター
ンの特徴を表す信号を入力して、それぞれ異なったパタ
ーン認識基準によるパターン中間認識結果を表わす値を
出する。重み供給器１３はパターン認識の補助情報を入
力してパターン中間認識結果に加える複数の重み値を出
力する。各重み付加器１４はパターンの中間認識結果を
表わす値を重み供給器１３からの重み値で重み付けす
る。総合評価器１５は重み付けしたパターン中間認識結
果を表わす値を評価して最終パターン認識結果を出力す
る。
のデータに対してマッチングを取るため計算時間が膨大
になる。そこで、マッチング回数を少なくする。 【解決手段】前処理装置１１は認識対象パターンを入力
して、その特徴を抽出する。各判定器１２は認識パター
ンの特徴を表す信号を入力して、それぞれ異なったパタ
ーン認識基準によるパターン中間認識結果を表わす値を
出する。重み供給器１３はパターン認識の補助情報を入
力してパターン中間認識結果に加える複数の重み値を出
力する。各重み付加器１４はパターンの中間認識結果を
表わす値を重み供給器１３からの重み値で重み付けす
る。総合評価器１５は重み付けしたパターン中間認識結
果を表わす値を評価して最終パターン認識結果を出力す
る。
Description
【０００１】
【発明の属する技術分野】この発明はパターン認識装
置、特にパターン認識効率の向上に関するものである。
置、特にパターン認識効率の向上に関するものである。
【０００２】
【従来の技術】入力パターンを認識するパターン認識装
置としてはニューラルネットワークを用いてパターン認
識をしているものがある。例えば特開平６-309464号公
報に掲載した多判定器によるパターン認識装置では、複
数の判定器群の出力結果と予め学習した辞書とを比較
し、辞書の中で判定器の出力結果に最も近いパターンを
最終パターン認識結果として出力してパターン認識の精
度を高めている。
置としてはニューラルネットワークを用いてパターン認
識をしているものがある。例えば特開平６-309464号公
報に掲載した多判定器によるパターン認識装置では、複
数の判定器群の出力結果と予め学習した辞書とを比較
し、辞書の中で判定器の出力結果に最も近いパターンを
最終パターン認識結果として出力してパターン認識の精
度を高めている。
【０００３】
【発明が解決しようとする課題】しかしながら、上記多
判定器によるパターン認識装置においては、未学習の入
力パターンに対して高い認識率を得るためには、数多く
の辞書データを用意する必要があり、それら全てに対し
てマッチングを取るため計算時間が膨大になる。
判定器によるパターン認識装置においては、未学習の入
力パターンに対して高い認識率を得るためには、数多く
の辞書データを用意する必要があり、それら全てに対し
てマッチングを取るため計算時間が膨大になる。
【０００４】この発明はかかる短所を解消するためにな
されたものであり、パターン認識のための補助情報を用
いて認識効率の向上を図ることを目的とする。
されたものであり、パターン認識のための補助情報を用
いて認識効率の向上を図ることを目的とする。
【０００５】
【課題を解決するための手段】この発明に係るパターン
認識装置は、前処理装置と複数の判定器と重み供給器と
複数の重み付加器と総合評価器を有し、前処理装置は認
識対象パターンを入力して認識対象パターンの特徴を抽
出し抽出した特徴を表す信号を各判定器に対して出力
し、各判定器は前処理装置が出力した認識パターンの特
徴を表す信号を入力してそれぞれ異なったパターン認識
基準によるパターン中間認識結果を表わす値を出力し、
重み供給器はパターン認識の補助情報を入力して各判定
器からのパターン中間認識結果に加える複数の重み値を
出力し、各重み付加器は判定器から出力されたパターン
の中間認識結果を表わす値を重み供給器からの重み値で
重み付けし、総合評価器は重み付けしたパターン中間認
識結果を表わす値を評価して最終パターン認識結果を出
力して、パターン認識率を高めると同時にパターン認識
時間を短縮する。
認識装置は、前処理装置と複数の判定器と重み供給器と
複数の重み付加器と総合評価器を有し、前処理装置は認
識対象パターンを入力して認識対象パターンの特徴を抽
出し抽出した特徴を表す信号を各判定器に対して出力
し、各判定器は前処理装置が出力した認識パターンの特
徴を表す信号を入力してそれぞれ異なったパターン認識
基準によるパターン中間認識結果を表わす値を出力し、
重み供給器はパターン認識の補助情報を入力して各判定
器からのパターン中間認識結果に加える複数の重み値を
出力し、各重み付加器は判定器から出力されたパターン
の中間認識結果を表わす値を重み供給器からの重み値で
重み付けし、総合評価器は重み付けしたパターン中間認
識結果を表わす値を評価して最終パターン認識結果を出
力して、パターン認識率を高めると同時にパターン認識
時間を短縮する。
【０００６】さらに、重み供給器はニューラルネットワ
ーク演算手段を備え、パターン認識の補助情報を入力し
てパターン認識の補助情報の特徴を示す情報を求め、求
めた補助情報の特徴を示す情報を基に各判定器からのパ
ターン中間認識結果に加える複数の重み値を定め出力し
て、簡単な構成で迅速に重み値を出力する。
ーク演算手段を備え、パターン認識の補助情報を入力し
てパターン認識の補助情報の特徴を示す情報を求め、求
めた補助情報の特徴を示す情報を基に各判定器からのパ
ターン中間認識結果に加える複数の重み値を定め出力し
て、簡単な構成で迅速に重み値を出力する。
【０００７】さらに、総合評価器はニューラルネットワ
ーク演算手段を備え、各重み付加器で重み付けしたパタ
ーン中間認識結果を入力して入力パターンの特徴を示す
情報を求め、求めた入力パターンの特徴を示す情報を基
に入力パターンを認識して、簡単な構成で各重み付加器
から認識結果と重み値の積を入力して最終パターン認識
結果を出力する。
ーク演算手段を備え、各重み付加器で重み付けしたパタ
ーン中間認識結果を入力して入力パターンの特徴を示す
情報を求め、求めた入力パターンの特徴を示す情報を基
に入力パターンを認識して、簡単な構成で各重み付加器
から認識結果と重み値の積を入力して最終パターン認識
結果を出力する。
【０００８】さらに、各重み付加器はニューラルネット
ワーク演算手段を備え、判定器からのパターン中間認識
結果を表わす値と重み供給器からの重み値を入力し重み
を付加したパターンの特徴を示す情報を出力し、総合評
価器は各重み付加器から重みを付加したパターンの特徴
を示す情報を入力して最終パターン認識結果を出力す
る。
ワーク演算手段を備え、判定器からのパターン中間認識
結果を表わす値と重み供給器からの重み値を入力し重み
を付加したパターンの特徴を示す情報を出力し、総合評
価器は各重み付加器から重みを付加したパターンの特徴
を示す情報を入力して最終パターン認識結果を出力す
る。
【０００９】
【発明の実施の形態】この発明のパターン認識装置は、
ロボット及び情報機器における画像、音声及び文字等の
入力パターンを認識するものであり、その入力パターン
認識精度を高めると同時に認識時間の短縮を図るもので
ある。
ロボット及び情報機器における画像、音声及び文字等の
入力パターンを認識するものであり、その入力パターン
認識精度を高めると同時に認識時間の短縮を図るもので
ある。
【００１０】パターン認識装置は、例えば前処理装置と
複数の判定器と重み供給器と複数の重み付加器と総合評
価器を有する。前処理装置は認識対象パターンを入力し
て認識対象パターンの特徴を抽出し、抽出した特徴を表
す信号を各判定器に対して出力する。各判定器は前処理
装置が出力した認識パターンの特徴を表す信号を入力し
て、例えばパターンマッチングをしてパターン中間認識
結果を表わす値を出力する。なお、各判定器はそれぞれ
認識方法が異なるものであっても良いし、認識できるパ
ターン群が異なるものであっても良い。一方、重み供給
器は、例えば予めパターン認識の各補助情報に対応した
重み値を辞書として用意し、パターン認識のための補助
情報を入力して各判定器からのパターン中間認識結果に
加える複数の重み値を出力する。なお、パターン認識の
ための補助になる情報とは、例えばＣＣＤカメラとマイ
クを備えたロボットで、ＣＣＤカメラが捕らえた画像パ
ターンを認識する場合のマイクから入力した音声パター
ン情報のように、対象となるパターンの認識の補助に用
いる情報で、前処理装置に入力した情報と異なった基準
による情報をいう。
複数の判定器と重み供給器と複数の重み付加器と総合評
価器を有する。前処理装置は認識対象パターンを入力し
て認識対象パターンの特徴を抽出し、抽出した特徴を表
す信号を各判定器に対して出力する。各判定器は前処理
装置が出力した認識パターンの特徴を表す信号を入力し
て、例えばパターンマッチングをしてパターン中間認識
結果を表わす値を出力する。なお、各判定器はそれぞれ
認識方法が異なるものであっても良いし、認識できるパ
ターン群が異なるものであっても良い。一方、重み供給
器は、例えば予めパターン認識の各補助情報に対応した
重み値を辞書として用意し、パターン認識のための補助
情報を入力して各判定器からのパターン中間認識結果に
加える複数の重み値を出力する。なお、パターン認識の
ための補助になる情報とは、例えばＣＣＤカメラとマイ
クを備えたロボットで、ＣＣＤカメラが捕らえた画像パ
ターンを認識する場合のマイクから入力した音声パター
ン情報のように、対象となるパターンの認識の補助に用
いる情報で、前処理装置に入力した情報と異なった基準
による情報をいう。
【００１１】各重み付加器は、例えば乗算器を備え、判
定器からのパターンの中間認識結果を重み供給器からの
重み値で重み付けする。総合評価器は各重み付加器が重
み付けしたパターン中間認識結果を入力し、入力した値
が最も大きいパターンを入力したパターンとして認識し
最終的なパターン認識結果として出力して、パターン認
識時間を短縮する。ここで、重み付けの方法としては、
例えば判定器からのパターンの中間認識結果と重み供給
器からの重み値の積をとる等の方法がある。
定器からのパターンの中間認識結果を重み供給器からの
重み値で重み付けする。総合評価器は各重み付加器が重
み付けしたパターン中間認識結果を入力し、入力した値
が最も大きいパターンを入力したパターンとして認識し
最終的なパターン認識結果として出力して、パターン認
識時間を短縮する。ここで、重み付けの方法としては、
例えば判定器からのパターンの中間認識結果と重み供給
器からの重み値の積をとる等の方法がある。
【００１２】なお、上記重み供給器、重み付加器及び総
合評価器はニューラルネットワーク演算手段を備えるも
のであっても良い。ニューラルネットワーク演算手段は
協調、競合作用及び自己組織化能力に基づいて入力信号
をいくつかの特徴に分析すると共に、それらを統合する
ニューラルネットワークによって構成したものである。
例えば総合評価器がニューラルネットワーク演算手段を
備える場合は予め認識させたい重み付加器からの情報を
実際に入力したときのデータをサンプリングしこれらの
データを入力層に入力し、出力層に分類したいパターン
数分のニューロンを用意し、各パターンとニューロンを
対応させておく。ある情報を重み付加器から入力したと
きそれに対応するニューロンの出力が「１」となり、そ
れ以外のニューロンの出力が「０」となるように、例え
ば逆伝搬法（バックプロパゲーション法）等で学習させ
ておく。ニューラルネットワーク演算手段はこのように
して得られた結合係数と同じ結合係数でニューラルネッ
トワーク演算を行なう。
合評価器はニューラルネットワーク演算手段を備えるも
のであっても良い。ニューラルネットワーク演算手段は
協調、競合作用及び自己組織化能力に基づいて入力信号
をいくつかの特徴に分析すると共に、それらを統合する
ニューラルネットワークによって構成したものである。
例えば総合評価器がニューラルネットワーク演算手段を
備える場合は予め認識させたい重み付加器からの情報を
実際に入力したときのデータをサンプリングしこれらの
データを入力層に入力し、出力層に分類したいパターン
数分のニューロンを用意し、各パターンとニューロンを
対応させておく。ある情報を重み付加器から入力したと
きそれに対応するニューロンの出力が「１」となり、そ
れ以外のニューロンの出力が「０」となるように、例え
ば逆伝搬法（バックプロパゲーション法）等で学習させ
ておく。ニューラルネットワーク演算手段はこのように
して得られた結合係数と同じ結合係数でニューラルネッ
トワーク演算を行なう。
【００１３】
【実施例】図１はこの発明の一実施例のパターン認識装
置を組み込んだ自走ロボットの構成図である。図に示す
ように、自走ロボットはパターン認識装置１、ＣＣＤカ
メラ２、マイク３、増幅器４及び音声信号加工部５を備
える。
置を組み込んだ自走ロボットの構成図である。図に示す
ように、自走ロボットはパターン認識装置１、ＣＣＤカ
メラ２、マイク３、増幅器４及び音声信号加工部５を備
える。
【００１４】パターン認識装置１は、図２に示すように
前処理装置１１、判定器群１２、重み供給器１３、重み
付加部１４及び総合評価器１５を有し、認識対象パター
ンを示す信号を入力しパターン認識結果を出力する。前
処理装置１１は認識対象パターンとして、例えばＣＣＤ
カメラ２からの画像信号を入力し、入力した認識対象パ
ターンの特徴を抽出し、抽出した特徴を表す信号を判定
器群１２の各判定器１２ａ〜１２ｎに対して出力する。
判定器群１２は複数の判定器１２ａ〜１２ｎを備え、各
判定器１２ａ〜１２ｎは前処理装置１１が出力した認識
パターンの特徴を表す信号を入力して、例えばパターン
マッチングをしてパターン中間認識結果を表わす値を出
力する。なお、前処理装置１１が出力する信号は各判定
器１２ａ〜１２ｎに対して同じものであっても良いし、
判定器１２ａ〜１２ｎ毎に異なったものであっても良
い。各判定器１２ａ〜１２ｎは前処理装置１の出力方法
に応じて、それぞれ認識方法が異なるものであっても良
いし、それぞれ認識できるパターン群が異なるものであ
っても良い。
前処理装置１１、判定器群１２、重み供給器１３、重み
付加部１４及び総合評価器１５を有し、認識対象パター
ンを示す信号を入力しパターン認識結果を出力する。前
処理装置１１は認識対象パターンとして、例えばＣＣＤ
カメラ２からの画像信号を入力し、入力した認識対象パ
ターンの特徴を抽出し、抽出した特徴を表す信号を判定
器群１２の各判定器１２ａ〜１２ｎに対して出力する。
判定器群１２は複数の判定器１２ａ〜１２ｎを備え、各
判定器１２ａ〜１２ｎは前処理装置１１が出力した認識
パターンの特徴を表す信号を入力して、例えばパターン
マッチングをしてパターン中間認識結果を表わす値を出
力する。なお、前処理装置１１が出力する信号は各判定
器１２ａ〜１２ｎに対して同じものであっても良いし、
判定器１２ａ〜１２ｎ毎に異なったものであっても良
い。各判定器１２ａ〜１２ｎは前処理装置１の出力方法
に応じて、それぞれ認識方法が異なるものであっても良
いし、それぞれ認識できるパターン群が異なるものであ
っても良い。
【００１５】重み供給器１３は、例えば図３に示すよう
なニューラルネットワーク演算手段１８を備え、パター
ン認識の補助情報としてマイク３からの音声信号のうち
高周波成分を入力して、各判定器１２ａ〜１２ｎからの
パターン中間認識結果に加える複数の重み値を出力す
る。なお、重み供給器１３は、例えば予めパターン認識
の各補助情報に対応した重み値を辞書として用意し、各
判定器１２ａ〜１２ｎからのパターン中間認識結果に加
える複数の重み値を出力するようにしても良い。ニュー
ラルネットワーク演算手段１８は協調、競合作用及び自
己組織化能力に基づいて入力信号をいくつかの特徴に分
析すると共に、それらを統合するニューラルネットワー
クによって構成したものである。ニューラルネットワー
ク演算手段１８は実際に入力したサンプルデータをサン
プリングしこれらのデータを入力層１８ａに入力し、出
力層１８ｃに分類したいパターン数分のニューロンを用
意し、各パターンとニューロンを対応させておく。ある
情報を入力したときそれに対応するニューロンの出力が
「１」となり、それ以外のニューロンの出力が「０」と
なるように、例えば逆伝搬法（バックプロパゲーション
法）等の学習法でで学習させておく。
なニューラルネットワーク演算手段１８を備え、パター
ン認識の補助情報としてマイク３からの音声信号のうち
高周波成分を入力して、各判定器１２ａ〜１２ｎからの
パターン中間認識結果に加える複数の重み値を出力す
る。なお、重み供給器１３は、例えば予めパターン認識
の各補助情報に対応した重み値を辞書として用意し、各
判定器１２ａ〜１２ｎからのパターン中間認識結果に加
える複数の重み値を出力するようにしても良い。ニュー
ラルネットワーク演算手段１８は協調、競合作用及び自
己組織化能力に基づいて入力信号をいくつかの特徴に分
析すると共に、それらを統合するニューラルネットワー
クによって構成したものである。ニューラルネットワー
ク演算手段１８は実際に入力したサンプルデータをサン
プリングしこれらのデータを入力層１８ａに入力し、出
力層１８ｃに分類したいパターン数分のニューロンを用
意し、各パターンとニューロンを対応させておく。ある
情報を入力したときそれに対応するニューロンの出力が
「１」となり、それ以外のニューロンの出力が「０」と
なるように、例えば逆伝搬法（バックプロパゲーション
法）等の学習法でで学習させておく。
【００１６】重み付加部１４は複数の重み付加器１４ａ
〜１４ｎを備え、各重み付加器１４ａ〜１４ｎは判定器
１２ａ〜１２ｎからのパターンの中間認識結果を表わす
値と重み供給器１３からの重み値を入力しその積をと
り、パターンの中間認識結果を重み付けする。総合評価
器１５は、例えば重み供給器と同様にニューラルネット
ワーク演算手段１８を備え、各重み付加器１４ａ〜１４
ｎが重み付けしたパターン中間認識結果を表わす値を入
力して入力パターンの特徴を示す情報を求め、求めた入
力パターンの特徴を示す情報を基に入力パターンを認識
して最終パターン認識結果を出力する。
〜１４ｎを備え、各重み付加器１４ａ〜１４ｎは判定器
１２ａ〜１２ｎからのパターンの中間認識結果を表わす
値と重み供給器１３からの重み値を入力しその積をと
り、パターンの中間認識結果を重み付けする。総合評価
器１５は、例えば重み供給器と同様にニューラルネット
ワーク演算手段１８を備え、各重み付加器１４ａ〜１４
ｎが重み付けしたパターン中間認識結果を表わす値を入
力して入力パターンの特徴を示す情報を求め、求めた入
力パターンの特徴を示す情報を基に入力パターンを認識
して最終パターン認識結果を出力する。
【００１７】ＣＣＤカメラ２は位置認識のための画像パ
ターンの光信号を入力して、電気信号に変換する。マイ
ク３は音声信号を電気信号に変換する。増幅器４はＣＣ
Ｄカメラ２から入力した画像パターンの信号を増幅して
パターン認識装置１の前処理装置１１に出力する。音声
信号加工部５はマイク３から入力した信号を増幅及び整
形してパターン認識装置１の重み供給部１３に出力する
部分であり、例えばマイクからの信号の高周波成分を抽
出してパターン認識装置１の重み供給部１３に出力す
る。
ターンの光信号を入力して、電気信号に変換する。マイ
ク３は音声信号を電気信号に変換する。増幅器４はＣＣ
Ｄカメラ２から入力した画像パターンの信号を増幅して
パターン認識装置１の前処理装置１１に出力する。音声
信号加工部５はマイク３から入力した信号を増幅及び整
形してパターン認識装置１の重み供給部１３に出力する
部分であり、例えばマイクからの信号の高周波成分を抽
出してパターン認識装置１の重み供給部１３に出力す
る。
【００１８】上記構成の自走式ロボットがＣＣＤカメラ
２からの入力パターンを認識して自分の居る場所を認識
する場合の動作について、図４のフローチャートを参照
して説明する。
２からの入力パターンを認識して自分の居る場所を認識
する場合の動作について、図４のフローチャートを参照
して説明する。
【００１９】自走式ロボットは、例えばＣＣＤカメラ２
からの画像データをパターン認識対象の入力パターンと
して、マイク３からの音声信号をパターン認識の補助情
報として入力する（ステップＳ１）。前処理装置１１
は、例えばＣＣＤカメラ２からの「256」×「256」画素
の入力パターンを「16」×「16」の領域に分割し、その
各領域毎に平均値を算出して「16」×「16」の特徴量パ
ターンとして出力する（ステップＳ２）。判定器群１２
の各判定器１２ａ〜１２ｎは、例えばパターンマッチン
グにより場所毎の特徴量パターンを認識するものであ
り、図５（ａ）に示すように判定器１２ａは場所ａ１，
場所ａ２及び場所ａ３の特徴量パターンを認識しそれぞ
れの場所に対する認識信頼度を示す値として「0.8」、
「0.1」及び「0.0」を出力し、判定器１２ｂは場所ｂ
１，場所ｂ２及び場所ｂ３の特徴量パターンを認識しそ
れぞれの場所に対する認識信頼度を示す値として「0.
1」、「0.5」及び「0.2」を出力し、判定器１２ｎは場
所ｎ１，場所ｎ２及び場所ｎ３の特徴量パターンを認識
しそれぞれの場所に対する認識信頼度を示す値として
「0.9」、「0.0」及び「0.9」を出力する（ステップＳ
３）。
からの画像データをパターン認識対象の入力パターンと
して、マイク３からの音声信号をパターン認識の補助情
報として入力する（ステップＳ１）。前処理装置１１
は、例えばＣＣＤカメラ２からの「256」×「256」画素
の入力パターンを「16」×「16」の領域に分割し、その
各領域毎に平均値を算出して「16」×「16」の特徴量パ
ターンとして出力する（ステップＳ２）。判定器群１２
の各判定器１２ａ〜１２ｎは、例えばパターンマッチン
グにより場所毎の特徴量パターンを認識するものであ
り、図５（ａ）に示すように判定器１２ａは場所ａ１，
場所ａ２及び場所ａ３の特徴量パターンを認識しそれぞ
れの場所に対する認識信頼度を示す値として「0.8」、
「0.1」及び「0.0」を出力し、判定器１２ｂは場所ｂ
１，場所ｂ２及び場所ｂ３の特徴量パターンを認識しそ
れぞれの場所に対する認識信頼度を示す値として「0.
1」、「0.5」及び「0.2」を出力し、判定器１２ｎは場
所ｎ１，場所ｎ２及び場所ｎ３の特徴量パターンを認識
しそれぞれの場所に対する認識信頼度を示す値として
「0.9」、「0.0」及び「0.9」を出力する（ステップＳ
３）。
【００２０】ここで、それぞれの判定器１２ａ〜１２ｎ
が設置された場所で発生している音声の高周波スペクト
ルをスペクトルａ〜スペクトルｎとする。マイク３から
の音声信号の高周波成分（例えば８サンプル）を重み供
給器１３内のニューラルネットワーク演算手段１３１に
入力すると、重み供給器１３はニューラルネットワーク
演算手段１３１の出力ニューロンから各判定器１２ａ，
１２ｂ，１２ｎの特徴量パターンの認識結果に加える重
みを判定器１２ａ，１２ｂ，１２ｎの出力に対してそれ
ぞれ「0.8」，「0.2」，「0.0」と定め出力する（ステ
ップＳ４）。なお、各重みは入力した音声スペクトルと
学習時の音声スペクトル（スペクトルａ〜スペクトル
ｎ）との距離に応じて予め決定する。
が設置された場所で発生している音声の高周波スペクト
ルをスペクトルａ〜スペクトルｎとする。マイク３から
の音声信号の高周波成分（例えば８サンプル）を重み供
給器１３内のニューラルネットワーク演算手段１３１に
入力すると、重み供給器１３はニューラルネットワーク
演算手段１３１の出力ニューロンから各判定器１２ａ，
１２ｂ，１２ｎの特徴量パターンの認識結果に加える重
みを判定器１２ａ，１２ｂ，１２ｎの出力に対してそれ
ぞれ「0.8」，「0.2」，「0.0」と定め出力する（ステ
ップＳ４）。なお、各重みは入力した音声スペクトルと
学習時の音声スペクトル（スペクトルａ〜スペクトル
ｎ）との距離に応じて予め決定する。
【００２１】重み付加器１４ａ，１４ｂ，１４ｎは判定
器１２ａ，１２ｂ，１２ｎの出力値と重み供給器１３か
ら入力した重みの積を取り、図５（ｂ）に示すように場
所ａ１，ａ２，ａ３，ｂ１，ｂ２，ｂ３，ｎ１，ｎ２，
ｎ３に対してそれぞれ「0.64」，「0.08」，「0.0」，
「0.02」，「0.1」，「0.04」，「0.0」，「0.0」，
「0.0」を出力する（ステップＳ５）。総合評価器１５
は重み付加器１４ａ，１４ｂ，１４ｎが出力した値を入
力し、各重み付加器１４ａ，１４ｂ，１４ｎの出力の最
大値として、図５（ｃ）に示すようにそれぞれ「0.6
4」，「0.1」，「0.0」を求める。ここで、場所ａ１に
対する値である「0.64」が最大値であるので、総合評価
器１５は場所ａ１を自分の居る場所と認識して、図５
（ｄ）に示すように場所ａ１を示す信号を出力する（ス
テップＳ６）。
器１２ａ，１２ｂ，１２ｎの出力値と重み供給器１３か
ら入力した重みの積を取り、図５（ｂ）に示すように場
所ａ１，ａ２，ａ３，ｂ１，ｂ２，ｂ３，ｎ１，ｎ２，
ｎ３に対してそれぞれ「0.64」，「0.08」，「0.0」，
「0.02」，「0.1」，「0.04」，「0.0」，「0.0」，
「0.0」を出力する（ステップＳ５）。総合評価器１５
は重み付加器１４ａ，１４ｂ，１４ｎが出力した値を入
力し、各重み付加器１４ａ，１４ｂ，１４ｎの出力の最
大値として、図５（ｃ）に示すようにそれぞれ「0.6
4」，「0.1」，「0.0」を求める。ここで、場所ａ１に
対する値である「0.64」が最大値であるので、総合評価
器１５は場所ａ１を自分の居る場所と認識して、図５
（ｄ）に示すように場所ａ１を示す信号を出力する（ス
テップＳ６）。
【００２２】このように、ＣＣＤカメラ２からの入力パ
ターンを認識して自分の居る場所を認識する場合に、パ
ターン認識の補助情報としてマイク３からの音声信号を
入力し重み付けをするので、簡単な構成で迅速且つ高精
度にパターン認識をすることができる。
ターンを認識して自分の居る場所を認識する場合に、パ
ターン認識の補助情報としてマイク３からの音声信号を
入力し重み付けをするので、簡単な構成で迅速且つ高精
度にパターン認識をすることができる。
【００２３】なお、上記実施例では重み付加器１４ａ〜
１４ｎは判定器１２ａ〜１２ｎからのパターンの中間認
識結果を表わす値と重み供給器１３からの重み値を入力
しその積を出力しているが、各重み付加器１４ａ〜１４
ｎはそれぞれニューラルネットワーク演算手段１８を備
え、判定器１２ａ〜１２ｎからのパターン中間認識結果
を表わす値と重み供給器１３からの重み値を入力し重み
を付加したパターンの特徴を示す情報を出力し、総合評
価器１５は各重み付加器１４ａ〜１４ｎから重みを付加
したパターンの特徴を示す情報を入力して最終的なパタ
ーン認識結果を出力するようにしても良い。
１４ｎは判定器１２ａ〜１２ｎからのパターンの中間認
識結果を表わす値と重み供給器１３からの重み値を入力
しその積を出力しているが、各重み付加器１４ａ〜１４
ｎはそれぞれニューラルネットワーク演算手段１８を備
え、判定器１２ａ〜１２ｎからのパターン中間認識結果
を表わす値と重み供給器１３からの重み値を入力し重み
を付加したパターンの特徴を示す情報を出力し、総合評
価器１５は各重み付加器１４ａ〜１４ｎから重みを付加
したパターンの特徴を示す情報を入力して最終的なパタ
ーン認識結果を出力するようにしても良い。
【００２４】
【発明の効果】この発明は以上説明したように、認識対
象パターンを入力して認識対象パターンの特徴を抽出し
抽出した特徴を基にパターンの中間的な認識をし、パタ
ーン認識の補助情報に応じてパターンの中間認識結果に
重みを加え、最終的なパターン認識結果を出力するの
で、演算回数が少なくなり、パターン認識率を高めると
同時にパターン認識時間を短縮することができる。
象パターンを入力して認識対象パターンの特徴を抽出し
抽出した特徴を基にパターンの中間的な認識をし、パタ
ーン認識の補助情報に応じてパターンの中間認識結果に
重みを加え、最終的なパターン認識結果を出力するの
で、演算回数が少なくなり、パターン認識率を高めると
同時にパターン認識時間を短縮することができる。
【００２５】さらに、パターン認識の補助情報をニュー
ラルネットワークに入力してパターン認識の補助情報の
特徴を示す情報を求め、求めた補助情報の特徴を示す情
報を基に各判定器からのパターン中間認識結果に加える
複数の重み値を定め出力するので、簡単な構成で迅速に
重み値を判断することができる。
ラルネットワークに入力してパターン認識の補助情報の
特徴を示す情報を求め、求めた補助情報の特徴を示す情
報を基に各判定器からのパターン中間認識結果に加える
複数の重み値を定め出力するので、簡単な構成で迅速に
重み値を判断することができる。
【００２６】さらに、重み付けしたパターン中間認識結
果をニューラルネットワークに入力して入力パターンの
特徴を示す情報を求め、求めた入力パターンの特徴を示
す情報を基に入力パターンを認識するので、簡単な構成
で各重み付加器から認識結果と重み値の積を入力して最
終パターン認識結果を出力することができる。
果をニューラルネットワークに入力して入力パターンの
特徴を示す情報を求め、求めた入力パターンの特徴を示
す情報を基に入力パターンを認識するので、簡単な構成
で各重み付加器から認識結果と重み値の積を入力して最
終パターン認識結果を出力することができる。
【００２７】さらに、パターン認識結果と重み値をニュ
ーラルネットワークに入力して重みを付加したパターン
の特徴を示す情報を出力し、重みを付加したパターンの
特徴を示す情報を基に最終適なパターン認識をするの
で、さらに簡単な構成で迅速にパターン認識をすること
ができる。
ーラルネットワークに入力して重みを付加したパターン
の特徴を示す情報を出力し、重みを付加したパターンの
特徴を示す情報を基に最終適なパターン認識をするの
で、さらに簡単な構成で迅速にパターン認識をすること
ができる。
【図１】この発明の実施例を示す構成図である。
【図２】パターン認識装置の構成図である。
【図３】ニューラルネットワーク演算手段の構成図であ
る。
る。
【図４】自走式ロボットの動作を示すフローチャートで
ある。
ある。
【図５】ニューラルネットワークの動作を説明する説明
図である。
図である。
１ パターン認識装置 ２ ＣＣＤカメラ ３ マイク １１ 前処理装置 １２ 判定器群 １３ 重み供給器 １４ 重み付加部 １５ 総合評価器 １８ ニューラルネットワーク演算手段 １２ａ〜１２ｎ 判定器 １４ａ〜１４ｎ 重み付加器
Claims (4)
- 【請求項１】 前処理装置と複数の判定器と重み供給器
と複数の重み付加器と総合評価器を有し、前処理装置は
認識対象パターンを入力して認識対象パターンの特徴を
抽出し抽出した特徴を表す信号を各判定器に対して出力
し、各判定器は前処理装置が出力した認識パターンの特
徴を表す信号を基にそれぞれ異なったパターン認識基準
によるパターン中間認識結果を表わす値を出力し、重み
供給器はパターン認識の補助情報を入力し入力したパタ
ーン認識の補助情報を基に各判定器からのパターン中間
認識結果に加える複数の重み値を出力し、各重み付加器
は判定器から出力されたパターンの中間認識結果を表わ
す値を重み供給器からの対応した重み値で重み付けし、
総合評価器は重み付けされたパターン中間認識結果を表
わす値を評価して最終パターン認識結果を出力すること
を特徴とするパターン認識装置。 - 【請求項２】 重み供給器はニューラルネットワーク演
算手段を備え、パターン認識の補助情報を入力してパタ
ーン認識の補助情報の特徴を示す情報を求め、求めた補
助情報の特徴を示す情報を基に各判定器からのパターン
中間認識結果に加える複数の重み値を定め出力する請求
項１記載のパターン認識装置。 - 【請求項３】 総合評価器はニューラルネットワーク演
算手段を備え、各重み付加器で重み付けされたパターン
中間認識結果を表わす値を入力して入力パターンの特徴
を示す情報を求め、求めた入力パターンの特徴を示す情
報を基に入力パターンを認識して最終パターン認識結果
を出力する請求項１記載のパターン認識装置。 - 【請求項４】 各重み付加器はニューラルネットワーク
演算手段を備え、判定器からのパターン中間認識結果と
重み供給器からの重み値を入力し重みを付加したパター
ンの特徴を示す情報を出力し、総合評価器は各重み付加
器から重みを付加したパターンの特徴を示す情報を入力
して最終パターン認識結果を出力する請求項１記載のパ
ターン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01706996A JP3606982B2 (ja) | 1996-01-08 | 1996-01-08 | パターン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01706996A JP3606982B2 (ja) | 1996-01-08 | 1996-01-08 | パターン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09190420A true JPH09190420A (ja) | 1997-07-22 |
| JP3606982B2 JP3606982B2 (ja) | 2005-01-05 |
Family
ID=11933706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01706996A Expired - Fee Related JP3606982B2 (ja) | 1996-01-08 | 1996-01-08 | パターン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3606982B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008096582A1 (ja) * | 2007-02-06 | 2008-08-14 | Nec Corporation | 認識器重み学習装置および音声認識装置、ならびに、システム |
| CN109686108A (zh) * | 2019-02-19 | 2019-04-26 | 山东科技大学 | 一种车辆目标轨迹跟踪系统及车辆轨迹跟踪方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06309464A (ja) * | 1993-04-20 | 1994-11-04 | Fujitsu Ltd | 多判定器によるパターン認識装置 |
-
1996
- 1996-01-08 JP JP01706996A patent/JP3606982B2/ja not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06309464A (ja) * | 1993-04-20 | 1994-11-04 | Fujitsu Ltd | 多判定器によるパターン認識装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008096582A1 (ja) * | 2007-02-06 | 2008-08-14 | Nec Corporation | 認識器重み学習装置および音声認識装置、ならびに、システム |
| US8428950B2 (en) | 2007-02-06 | 2013-04-23 | Nec Corporation | Recognizer weight learning apparatus, speech recognition apparatus, and system |
| CN109686108A (zh) * | 2019-02-19 | 2019-04-26 | 山东科技大学 | 一种车辆目标轨迹跟踪系统及车辆轨迹跟踪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3606982B2 (ja) | 2005-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111292764B (zh) | 辨识系统及辨识方法 | |
| US7054452B2 (en) | Signal processing apparatus and signal processing method | |
| JP2764277B2 (ja) | 音声認識装置 | |
| JP2776848B2 (ja) | 雑音除去方法、それに用いるニューラルネットワークの学習方法 | |
| JPH02238495A (ja) | 時系列信号認識装置 | |
| US5812973A (en) | Method and system for recognizing a boundary between contiguous sounds for use with a speech recognition system | |
| CN115440228A (zh) | 一种自适应声纹识别方法及系统 | |
| JPH06301393A (ja) | 音声区間検出装置及び音声認識装置 | |
| US5721807A (en) | Method and neural network for speech recognition using a correlogram as input | |
| US12255936B2 (en) | Augmenting identifying metadata related to group communication session participants using artificial intelligence techniques | |
| CN116582337A (zh) | 一种异常流量检测方法及系统 | |
| JP3606982B2 (ja) | パターン認識装置 | |
| JPH0462599A (ja) | 雑音除去装置 | |
| JP3283971B2 (ja) | 音声認識方法 | |
| EP0450521B1 (en) | A learning method for a data processing system | |
| JP2000207376A (ja) | システム性能向上方法、装置、およびシステム性能向上プログラムを記録した記録媒体 | |
| Taubakabyl | Convolutional neural networks in detecting speech activity in a stream | |
| JP2000030069A (ja) | 信号照合装置 | |
| JPH0494000A (ja) | 音声認識装置 | |
| CN121881239A (zh) | 一种面向匹配任务的自适应低成本特征融合方法 | |
| CN116434027A (zh) | 一种基于图像识别人工智能交互系统 | |
| CN116246348A (zh) | 基于卷积神经网络的聋哑人交互方法，系统和存储介质 | |
| JP2979941B2 (ja) | 音源識別装置 | |
| EP0526515B1 (en) | Pattern recognition | |
| JPH0410088A (ja) | 識別装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040713 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040909 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041005 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041006 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071015 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081015 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081015 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091015 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101015 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |