論文の概要: Exploring Second-Order Pattern Recognition in Speaker Recognition

• arxiv url: http://arxiv.org/abs/2609.11182v1
• Date: Thu, 10 Sep 2026 07:44:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.243759
• Title: Exploring Second-Order Pattern Recognition in Speaker Recognition
• Title（参考訳）: 話者認識における2次パターン認識の探索
• Abstract要約: 古典的なパターン認識タスクでは、ニューラルネットワークはモデル入力に対する人間の定義したパターンを認識するために訓練される。 いくつかの説明可能なAI(XAI)メソッドは、入力を人間の定義したパターンとして認識するネットワークの基盤となる他の潜在パターンを説明することができる。 これらの潜在パターンを2階パターンと呼び、その発見を提案する。
• 参考スコア（独自算出の注目度）: 21.594428525994285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In classical pattern recognition tasks, neural networks are trained to recognise human-defined patterns for model inputs. Some Explainable AI (XAI) methods can explain other latent patterns that underlie the network's recognition of inputs as human-defined patterns; in this work, we call these latent patterns second-order patterns, and we propose to discover them. To this end, we apply a hierarchical clustering algorithm to analyse whether representations learned by a speaker recognition network from utterances naturally form hierarchical clusters. Each resulting cluster represents a second-order pattern that characterises how the network recognises some known utterances as speaker identities. All the resulting second-order patterns are then semantically interpreted using the existing Hierarchical Cluster-Class Matching (HCCM) method. Furthermore, we propose a new task, second-order pattern recognition, to identify which discovered second-order patterns characterising known utterances are exhibited by an unseen utterance. To achieve this, we design the Hierarchical Cluster Navigation and Assignment (HCNA) method. HCNA recognises a known second-order pattern as applying to an unseen utterance when the unseen utterance's network representation lies within the extrapolation space of the cluster regarded as that second-order pattern. Our experiments show that the extrapolation mechanism introduced by HCNA substantially improves performance on the second-order pattern recognition task.
• Abstract（参考訳）: 古典的なパターン認識タスクでは、ニューラルネットワークはモデル入力に対する人間の定義したパターンを認識するために訓練される。 いくつかの説明可能なAI(XAI)手法は、入力を人間定義パターンとして認識するネットワークの根底にある他の潜在パターンを説明することができる。 この目的のために、話者認識ネットワークで学習した表現が自然に階層的クラスタを形成しているかどうかを分析するために階層的クラスタリングアルゴリズムを適用した。 それぞれのクラスタは、ネットワークが既知の発話を話者識別として認識する方法を特徴付ける2階パターンを表す。 得られた2階パターンはすべて、既存の階層クラスタクラスマッチング(HCCM)メソッドを使って意味論的に解釈される。 さらに,未知の発話によって既知の発話を特徴付ける2次パターンを識別する新しいタスクである2次パターン認識を提案する。 そこで我々は階層型クラスタナビゲーション・アサインメント法(HCNA)を設計した。 HCNAは、未知の発話のネットワーク表現が、その2階パターンと見なされるクラスタの外挿空間にある場合、未知の発話に適用できるとして、既知の2階パターンを認識している。 実験の結果,HCNAによって導入された外挿機構は,2次パターン認識タスクの性能を大幅に向上させることがわかった。

関連論文リスト

• Interpreting hierarchical organisation of speaker embeddings [21.594428525994285]
  話者認識ニューラルネットワークは、入力発話から潜在表現(すなわち話者埋め込み)を学び、話者のアイデンティティを認識する。 既存の研究では、話者埋め込みがどのように組織化されているか分析されているが、これらの分析をXAI内で行うことは滅多にない。 この研究は、XAIの観点から話者埋め込みの組織を説明し、解釈することを提案する。
  論文  参考訳（メタデータ） (2026-09-14T08:25:57Z)
• Explainable AI in Speaker Recognition -- Making Latent Representations Understandable [21.594428525994285]
  本稿では,ネットワーク表現における未知の組織パターンを明らかにするという,XAIのトピックを研究することを提案する。 これは、表現が独立ではなく階層的な関係を持つクラスタを形成する方法を分析するために、2つのアルゴリズムを適用する。 新しい計量であるリービッグのスコアは、マッチング性能を最も強く制限する因子を診断するために提案されている。
  論文  参考訳（メタデータ） (2026-04-25T15:44:20Z)
• Semantics Meets Temporal Correspondence: Self-supervised Object-centric Learning in Videos [63.94040814459116]
  自己教師付き手法は、高レベルの意味論と低レベルの時間対応の学習において顕著な進歩を見せている。 融合した意味特徴と対応地図の上に,意味認識型マスキングスロットアテンションを提案する。 我々は、時間的コヒーレントなオブジェクト中心表現を促進するために、セマンティックおよびインスタンスレベルの時間的一貫性を自己スーパービジョンとして採用する。
  論文  参考訳（メタデータ） (2023-08-19T09:12:13Z)
• Neural Coreference Resolution based on Reinforcement Learning [53.73316523766183]
  コアレゾリューションシステムは2つのサブタスクを解決する必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクターをベースとした強化学習型ニューラルコア参照分解システムを提案する。
  論文  参考訳（メタデータ） (2022-12-18T07:36:35Z)
• CNTN: Cyclic Noise-tolerant Network for Gait Recognition [12.571029673961315]
  歩行認識は、歩行パターンを認識することによって個人を識別することを目的としている。 従来の歩行認識法のほとんどは、2つの暗記効果、すなわち外見の暗記とラベルのノイズの暗記により著しく劣化する。 初めてノイズゲイト認識が研究され、循環学習アルゴリズムを用いてサイクリックノイズ耐性ネットワーク(CNTN)が提案される。
  論文  参考訳（メタデータ） (2022-10-13T11:23:58Z)
• Word Sense Induction with Hierarchical Clustering and Mutual Information Maximization [14.997937028599255]
  単語知覚誘導は自然言語処理において難しい問題である。 階層的クラスタリングと不変情報クラスタリングに基づく新しい教師なし手法を提案する。 我々は、ある場合において、我々のアプローチが先行したWSIの最先端手法よりも優れていることを実証的に実証した。
  論文  参考訳（メタデータ） (2022-10-11T13:04:06Z)
• Topic-aware latent models for representation learning on networks [5.304857921982132]
  本稿では,トピックベース情報を用いたランダムウォークベースアプローチにより取得したノードの埋め込みを強化する汎用フレームワークであるTNEを紹介する。 提案手法はノード分類とリンク予測という2つのダウンストリームタスクで評価する。
  論文  参考訳（メタデータ） (2021-11-10T08:52:52Z)
• GAN for Vision, KG for Relation: a Two-stage Deep Network for Zero-shot Action Recognition [33.23662792742078]
  ゼロショット動作認識のための2段階のディープニューラルネットワークを提案する。 サンプリング段階では,授業の動作特徴と単語ベクトルによって訓練されたGAN(Generative Adversarial Network)を利用する。 分類段階において、アクションクラスの単語ベクトルと関連するオブジェクトの関係に基づいて知識グラフを構築する。
  論文  参考訳（メタデータ） (2021-05-25T09:34:42Z)
• Speech Command Recognition in Computationally Constrained Environments with a Quadratic Self-organized Operational Layer [92.37382674655942]
  軽量ネットワークの音声コマンド認識能力を向上するネットワーク層を提案する。 この手法はテイラー展開と二次形式の概念を借用し、入力層と隠蔽層の両方における特徴のより良い表現を構築する。 このリッチな表現は、Google音声コマンド(GSC)と合成音声コマンド(SSC)データセットに関する広範な実験で示されているように、認識精度の向上をもたらす。
  論文  参考訳（メタデータ） (2020-11-23T14:40:18Z)
• Connecting Weighted Automata, Tensor Networks and Recurrent Neural Networks through Spectral Learning [58.14930566993063]
  我々は、形式言語と言語学からの重み付き有限オートマトン(WFA)、機械学習で使用されるリカレントニューラルネットワーク、テンソルネットワークの3つのモデル間の接続を提示する。 本稿では,連続ベクトル入力の列上に定義された線形2-RNNに対する最初の証明可能な学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-19T15:28:00Z)
• Unsupervised Learning of Video Representations via Dense Trajectory Clustering [86.45054867170795]
  本稿では,ビデオにおける行動認識のための表現の教師なし学習の課題に対処する。 まず、このクラスの2つのトップパフォーマンス目標(インスタンス認識と局所集約)を適用することを提案する。 有望な性能を観察するが、定性的解析により、学習した表現が動きのパターンを捉えないことを示す。
  論文  参考訳（メタデータ） (2020-06-28T22:23:03Z)
• AutoSpeech: Neural Architecture Search for Speaker Recognition [108.69505815793028]
  本稿では,AutoSpeech という名称の話者認識タスクに対して,最初のニューラルアーキテクチャ探索アプローチを提案する。 提案アルゴリズムはまず,ニューラルネットワークの最適操作の組み合わせを特定し,その後,複数回重ねてCNNモデルを導出する。 得られたCNNアーキテクチャは,モデル複雑性を低減しつつ,VGG-M,ResNet-18,ResNet-34のバックボーンに基づく現在の話者認識システムよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-05-07T02:53:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。