音声認識で使うデータの記述法として、自分の先生である岡先生によって提案されているスペクトルベクトル場（1986）というのを大体使っていたんですが、それの理解が今更ながらに全然違ってたりして微妙に落ち込んでたり(汗
ソースコードから類推して適当に判断してたのがまずかった。やっぱりちゃんと論文は読まないと…
でも、音声の方って、論文読むたびに思うんだけども、データのコーディングに対する経過がちゃんと数式で全部記述されていないところとかあって（既知ということでFFTだのフィルタバンクだのと言うあたりが全部削られる場合が多い）、初学者にとっては非常にやりにくいところだなぁと思ったり。。。
