10.2 ミッシングフィーチャマスク (MFM) の閾値の設定の仕方がわからない

Problem

MFMGeneration モジュールのパラメータをどのように設定したら良いか分からないときに読む．

Solution

MFMGeneration には THRESHOLD というパラメータがあり，このパラメータが音声認識の性能を左右する．閾値を0.0に設定すると，ミッシングフィーチャー理論を使わない音声認識を行う．一方で閾値を1.0に設定すると，すべての特徴量にマスクをかけるため，まったく特徴量を使わないで認識を行う．

適した値を求めるには，例えば0.1刻みで変化させるなどしながら実際に音声認識を行い，実験的に求めると良い．

Discussion

MFMGeneration は次の式で表され，信頼度を THRESHOLD でしきい値処理し，0.0(信頼しない)または1.0(信頼する)の2値をとるマスク (ハードマスク)を生成する．

$\displaystyle m(f,p) = \left\{ \begin{array}{cc} 1.0, & r(p) > THRESHOLD \nonumber \\ 0.0, & r(p) \leq THRESHOLD \nonumber \end{array} \right. $

(1)

ただし，$m(f,p)$は$f$フレームの$p$次元目の特徴量に対するマスクの値を表し， $r(p)$は$p$次元目の特徴量の信頼度を表す．