音声の信号処理についての知識ゼロでも読めるように、懇切丁寧に解説した。基礎理論はコンパクトにまとめ、「耐雑音」「話者認識」「深層学習」についてたっぷり解説。一気に実用が進んだ音声認識分野がこれ一冊で学べる！ ■おもな内容 第1章　音声とは 第2章　音声分析 第3章　音声認識とは 第4章　隠れマルコフモデル 第5章　言語モデル 第6章　大語彙連続音声認識 第7章　耐雑音音声認識 第8章　話者適応と話者認識 第9章　深層学習 ■機械学習プロフェッショナルシリーズ 本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。 ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。 これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。 ■シリーズ編者 杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授 第1章　音声とは 　1.1　音の知覚 　1.2　音声の生成 　1.3　音韻と音素 第2章　音声分析 　2.1　前処理 　2.2　音声特徴量 　2.3　音声特徴量の量子化 第3章　音声認識とは 　3.1　音声認識の分類 　3.2　DPマッチング 第4章　隠れマルコフモデル 　4.1　確率モデルを用いたパターン認識 　4.2　マルコフ過程 　4.3　隠れマルコフモデルとは 　4.4　音声認識のための隠れマルコフモデル 　4.5　HMMを用いたパターン認識 第5章　言語モデル 　5.1　言語の複雑さの尺度 　5.2　確率的言語モデル 　5.3　形態素解析 第6章　大語彙連続音声認識 　6.1　サブワード認識単位を用いた学習・認識 　6.2　音素文脈決定木を用いたクラスタリング 　6.3　発音辞書 　6.4　探索技術 　6.5　識別学習 第7章　耐雑音音声認識 　7.1　雑音とは 　7.2　加算性雑音 　7.3　乗算性雑音 　7.4　非定常雑音への対応 第8章　話者適応と話者認識 　8.1　話者適応とは 　8.2　事後確率最大化法 　8.3　最尤線形回帰法 　8.4　話者正規化 　8.5　話者認識とは 　8.6　i-vectorを用いた話者照合 第9章　深層学習 　9.1　ニューラルネットワーク 　9.2　誤差逆伝播法 　9.3　ニューラルネットワークによる音声認識 　9.4　音声認識のための深層学習 　9.5　音声認識の要素技術における深層学習 　9.6　End-to-End学習 　9.7　今後の展望