非線形分離
非線形分離とは、複雑に入り組んだデータを直線や平面ではなく、曲線や曲面を用いて分類する手法のことです。単純な直線ではうまく分けられない境界を持つデータに対して、機械学習モデルが正確な識別を行うために不可欠な概念となっています。
パターン認識のAI用語一覧
14件パターン認識に関するAI用語を14件掲載しています。意味や使い方、関連用語を一覧から確認できます。
条件付き確率場
条件付き確率場（CRF）は、データの順序や文脈による相互依存関係を考慮して最適なラベルシーケンスを予測する確率的グラフィカルモデルです。自然言語処理の品詞タグ付けや固有名詞抽出などの「逐次ラベル付け」において、前後のつながりを統合的に判断して高精度な分類を実現するための基盤技術として広く用いられています。
線形分離
線形分離とは、2つ以上のクラスに分類されるデータを、直線や平面、超平面といった直線的な境界線だけで完全に分けられる状態を指します。機械学習やパーセプトロンの基礎となる重要な概念であり、複雑なデータの識別において限界を知る基準にもなります。
K近傍法
K近傍法（KNN）は、機械学習におけるシンプルな教師あり学習アルゴリズムです。分類や回帰タスクに用いられ、未知のデータが得られた際に、特徴空間上で最も距離が近い「k個」の過去データを参照し、多数決や平均によってそのデータのクラスや値を予測します。実装が容易で直感的に理解しやすい特徴があります。
マージン
マージンとは、機械学習の分類問題において、決定境界から最も近いデータ点（サポートベクトルなど）までの距離、あるいはその余白のことです。マージンを最大化するように境界を決定することで、未知のデータに対する予測性能（汎化性能）を高めることができます。特にサポートベクターマシン（SVM）などのアルゴリズムで重要な概念です。
シグネチャ検知
シグネチャ検知とは、既知の攻撃やウイルスが持つ特徴的なパターン（シグネチャ）をデータベースと照合して脅威を特定する技術です。AIセキュリティや従来のアンチウイルスソフトで広く使われ、高速で確実な検出が可能ですが、未知の攻撃には対応できない制限があります。
サポートベクトルマシン
サポートベクトルマシン（SVM）は、データを分類する境界とデータ点の間の距離であるマージンを最大化することで高精度な分類を行う代表的な機械学習アルゴリズムです。線形分離だけでなくカーネル法を用いて非線形データにも対応でき、文字認識や迷惑メール判定などに広く活用されています。
生体認証
生体認証とは、指紋や顔、虹彩、声紋など個人固有の身体的・行動的特徴を用いて本人を確認する認証技術です。パスワードのように紛失や忘却の心配がなく、AIや画像認識技術の発展によって認証精度と利便性が飛躍的に向上しています。
線形分離不可能
線形分離不可能とは、データセット内の異なるクラスを1本の直線や平面だけで完全に区別して切り分けることができない状態を指します。排他的論理和（XOR問題）などが代表例です。この問題を解決するために、多層ニューラルネットワークを用いたディープラーニングやカーネル法などの非線形モデルが活用されています。
話者識別
話者識別とは、音声データからそれが誰の声であるかを特定する技術です。声のトーンや周波数などの特徴量を解析することで、あらかじめ登録された複数の人物の中から該当する話者を自動で判別します。セキュリティ認証や会議の文字起こしなどで広く活用されています。
k最近傍法
k最近傍法（k-NN）は、未知のデータの分類や回帰を、特徴量が似た訓練データ群の中から近い順にk個選んで多数決や平均で予測する、シンプルで直感的な教師あり学習アルゴリズムです。
マルチラベル分類
マルチラベル分類とは、1つの入力データに対して複数のラベル（クラス）を同時に割り当てる機械学習の手法です。画像に「犬」と「公園」が同時に写っている場合のように、互いに排他ではない複数のカテゴリを予測する際に用いられます。テキスト分類や画像認識など幅広い分野で利用され、複雑な現実世界のデータを柔軟に分類するための重要な技術です。
声紋
声紋とは、人間の声の周波数や強度の時間的な変化を視覚化、または数値化したものです。個人によって異なる身体的特徴を反映するため、音声認識や声紋認証技術において本人確認や個人識別のために広く活用されています。
コスト行列
コスト行列とは、分類問題や最適化問題において、異なる予測ミスや行動の選択に伴う損失や費用を数値化して並べた表です。機械学習モデルの評価や不均衡データの学習、割当問題などにおいて、単なる正解率だけでなく実用上の重要度を考慮するために用いられます。