Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung

Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung

By Karlsruher Institut für Technologie (KIT)Education
Download on the App Store

Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung episodes

  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 08.02.2016, Vorlesung 22
    22: Vorlesung |
    0:00:00 Starten
    0:00:43 Adaption
    0:08:52 Motivation
    0:13:40 Adaption des Akustischen Modells
    0:16:21 Mögliche Variationen
    0:18:24 Adaption als Transformation
    0:22:51 Arten der Adaption
    0:27:13 Batch vs. Inkrementell
    0:31:17 Überwachte und Unüberwachte Adaption
    0:32:18 Training vs. Normalisierung
    0:33:07 Merkmals vs. Modelladaption
    0:36:23 Anwendung der Transformation
    0:37:27 Optimierungskriterien zur Schätzung
    0:39:40 Adaptionsmethoden
    0:42:43 Vokaltraktlängen-normalisierung (VTLN)
    0:52:39 VTLN: Experimente
    0:58:53 Inkrementelle Adaption
    1:05:06 Verschiedenes zu VTLN
    1:08:48 MAP Adaption
    1:14:37 Maximum Likelihood Linear Regression (MLLR)
    1:17:54 Finden von Klassen
    1:20:11 Label Boosting mit MLLR
    1:21:48 Welche Adaption unter welchen Bedingungen
    1:23:14 fMLLR
    1 hr 26 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 03.02.2016, Vorlesung 21
    21: Vorlesung |
    0:00:00 Starten
    0:00:10 Suche
    0:00:29 N-Besten Suche
    0:01:50 Probleme mit n besten Listen
    0:02:54 Wortgraphen
    0:04:14 Zusammenfassung Beschleunigungstechniken
    0:06:00 Mehrpass Suchen
    0:06:55 Beispiel: IBIS Single Pass Decoder
    0:11:18 Consensus Decoding
    0:13:01 Bsp: MAP vs. Wort-Posteriori-W´keiten
    0:16:36 Minimierung des Wortfehlers
    0:19:28 Approximierung mit N-besten Listen
    0:21:36 WER Minimierung auf Wortgraphen
    0:24:26 Multiple Alignment WER
    0:29:19 Finden des globalen Alignment
    0:30:50 Multiple Alignment WER
    0:32:37 Alignment als Äquivalenzrelation
    0:34:37 Finden einer angemessenen Äquivalenzrelation
    0:36:38 Intra-Wort-Clustern
    0:38:44 Pruning
    0:40:37 Confusionsnetzwerke
    0:42:28 Multiple Alignment WER
    0:43:03 Confusionsnetzwerke
    0:43:26 Confusionsnetzwer-Hypothese
    0:45:16 Multiple Alignment WER
    0:45:53 Experimente
    0:47:58 Systemkombination
    0:49:14 Systemkombination mit ROVER
    0:50:27 Alignierung vieler Hypothesen mittels DP
    0:51:49 Beispiel
    1 hr
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 01.02.2016, Vorlesung 20
    20: Vorlesung |
    0:00:00 Starten
    0:00:19 Suchstrategien
    0:01:25 Tiefensuche vs. Breitensuche
    0:01:57 Heuristische Graphsuche
    0:02:45 Zeitasynchrone Suche mit A*
    0:04:15 Zeitsynchrone Strahlsuche
    0:10:31 Beams in ASR
    0:12:13 Beam vs. WER
    0:15:45 Kontinuierliche Suchräume, gleichverteiltes Sprachmodell
    0:20:59 Suchraum mit Uni-Gramm
    0:23:03 Suchraum mit Bi-Grammen
    0:26:32 Suchraum mit Tri-Grammen
    0:33:48 Viterbi Decoding
    0:40:42 A* mit Stack Decoder
    0:42:50 Heuristik für A*
    0:44:43 Fast Match
    0:47:36 Vor- und Nachteile eines Stackdecoders
    0:51:10 A* vs. Strahlsuche
    0:52:39 Vermeidung von Redundanzen
    0:54:44 Baumsuche
    0:57:30 Baumsuche mit Sprachmodell
    0:59:04 Delayed Bi-Grams
    1:01:51 Einsparung durch Baum-Lexica
    1:05:41 Kopien von Suchbäumen
    1:10:36 Suche mit kontextabhängigen Modellen
    1:13:38 Baumsuche mit kontextabhängigen Modellen
    1:16:45 N-Besten Suche
    1 hr 24 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 27.01.2016, Vorlesung 19
    19: Vorlesung |
    0:00:00 Starten
    0:00:14 Erinnerung: Fundamentalformel
    0:02:20 Deterministische Sprachmodelle
    0:05:42 Repräsentation der Grammatik
    0:07:18 Formale Sprachtheorie
    0:09:35 Chomsky Hierarchie
    0:11:42 Chartparsing
    0:14:29 Probabilistische CFGs
    0:19:56 Probleme mit Erkennungsfehlern
    0:24:06 Kombination von Sprachmodell und Akustischem Modell
    0:33:35 Suche
    0:35:46 Erinnerung: Fundamentalformel
    0:37:15 Suche in der Spracherkennung
    0:42:46 Erinnerung DTW und One-Stage-DP
    0:44:02 Suche im Allgemeinen
    0:46:51 Suche mit DP und Heuristik
    0:48:19 Kenngrößen für Suchprobleme
    0:50:18 Forward-/Backward-/bidirektionale Suche
    0:51:51 Explizite vs. Implizite Implementierung
    0:53:42 Blinde Suche
    0:55:24 Suchstrategien
    0:58:29 Tiefensuche vs. Breitensuche
    1:00:41 Heuristische Graphsuche
    1:03:40 Zeitasynchrone Suche mit A*
    1 hr 12 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 25.01.2016, Vorlesung 18
    18: Vorlesung |
    0:00:00 Starten
    0:00:37 Graphembasierte Spracherkennung
    0:06:48 Eignung von Graphemen
    0:14:38 Verteilung von Schriften
    0:16:21 Verteilung der Schriftsysteme
    0:17:12 Eignung von Graphemen
    0:18:10 Beispiele für schlechte Korrespondenz
    0:19:32 Graphembasierte ASR für Arabisch
    0:20:19 Englisch, Deutsch, Russisch, Spanisch, Thai
    0:21:12 Kontextabhängige Modelle für Grapheme ASR
    0:23:10 Flexibler Clusterbaum für Grapheme
    0:24:20 Praktische Probleme
    0:27:13 Spracherkennung bei ungeschriebenen Sprachen
    0:30:13 Plansprachen (Exkurs)
    0:32:23 Esperanto
    0:35:15 Esperanto und ASR
    0:35:59 Toki Pona
    0:37:55 Toki Pona und ASR
    0:38:40 Entwurf einer Sprache für ASR
    0:40:45 Entwurf von Ziffernwörtern
    0:42:42 Ergebnis
    0:43:49 ASR für Roboter Interaktion
    0:47:01 ASR für Roboter Interaktion (Ausblick)
    51 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 18.01.2016, Vorlesung 17
    17: Vorlesung |
    0:00:00 Starten
    0:00:13 Kurze Wiederholung der letzten Vorlesung
    0:04:16 Kneser-Ney Backoff
    0:08:07 Schätzung von Beta - Margnialisierung
    0:16:51 Leaving-One-Out Beta Schätzung
    0:19:04 Ergebnisse von Kneser-Ney
    0:20:27 Qualität von Sprachmodellen
    0:23:21 Entropie einer Wortquelle
    0:26:29 Perplexität von Sprachmodellen
    0:35:16 Perplexität und Akustik
    0:38:02 Klassenbasierte Sprachmodelle
    0:44:08 Aussprachevarianten
    0:45:58 Multiworte
    0:47:59 Besondere Arten von Sprachmodellen
    0:48:44 Interpolierte Sprachmodelle
    0:53:56 Cache Sprachmodelle
    0:57:49 Trigger Sprachmodelle
    1:00:06 Mehrschichtige Sprachmodelle
    1:01:56 Verzahnte Sprachmodelle
    1:04:26 Morphembasierte Sprachmodelle
    1:10:31 Entscheidungsbäume
    1:12:02 HMMs für Modellierung
    1:13:57 Probleme mit Spontaner Sprache
    1:18:11 Probleme mit unbekannten Wörtern
    1:20:34 Besonderheiten verschiedener Sprachen
    1 hr 24 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 11.01.2016, Vorlesung 15
    15: Vorlesung |
    0:00:00 Starten
    0:05:06 Fehler durch falsche Aussprachen
    0:08:07 Generierung von Aussprachewörterbüchern
    0:11:32 Verwendung von existierenden Wörterbüchern
    0:18:46 Lernen von Ausspracheregeln
    0:28:21 Inkrementelles Lernen
    0:30:07 Aussprachevarianten
    0:33:21 Finden von Aussprachevarianten
    0:35:28 Probleme mit Aussprachevarianten
    0:39:45 Typische Aussprachevarianten
    0:40:16 Regeln für Aussprachevarianten im Deutschen
    0:41:31 Datengetriebenes finden von Aussprachevarianten
    0:42:51 Finden von Aussprachevarianten mit dem Silbenmodell
    0:44:04 Flexibles Trainingsalignment
    0:45:45 Aussprachen bestimmen für unüberwachtes Lernen
    0:47:27 Emotionserkennung mit Hilfe von Aussprachevarianten
    0:49:22 Aussprachewörterbuch Entwicklung (nach Adda-Decker und Lamel)
    0:51:23 Multiworte
    0:53:56 Single Pronunciation Dictionaries
    0:56:00 Erweiterter Clusterbaum
    0:56:06 Ergebnisse
    1:01:07 Literaturempfehlung
    1:01:51 Sprachmodellierung
    1:02:04 Erinnerung: Fundamentalformel
    1:02:34 Deterministische vs. Stochastische Sprachmodelle
    1:04:57 Wörterratespiel
    1:08:46 Wozu dient das Sprachmodell
    1:11:12 Stochastische Sprachmodelle
    1:16:40 Äquivalenzklassen
    1:19:00 Schätzen von N-Gramm W`keiten
    1:19:53 Beispiel
    1 hr 23 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 13.01.2016, Vorlesung 16
    16: Vorlesung |
    0:00:00 Starten
    0:00:14 Erinnerung: Fundamentalformel
    0:02:17 Stochastische Sprachmodelle
    0:03:54 Äquivalenzklassen
    0:04:36 Schätzen von N-Gramm Wahrscheinlichkeiten
    0:05:32 Beispiel
    0:07:05 Bigramme und Trigramme
    0:10:07 Das Bag-of-Words Experiment
    0:10:56 Glättung von Sprachmodellparametern
    0:15:07 Discounting
    0:17:51 Interpolation (Lineare Glättung)
    0:23:53 HMM für Interpolationsgewichte
    0:30:03 Schätzung der Gewichte
    0:42:03 Deleted Interpolation basierend auf den ""Conditional Counts""
    0:46:22 Praktische Aspekte
    0:49:46 Schätzen von y
    0:52:34 Allgemeines Rahmenwerk für Glättung
    0:55:17 Weitere Notationen
    0:59:17 Schätzung von qj und α
    1:04:24 M bestimmen
    1:08:06 Good-Turing Discounting
    1:10:13 Back-Off Sprachmodelle
    1:13:06 Back-Off LM
    1:16:53 Katz Backoff
    1 hr 21 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 21.12.2015, Vorlesung 14
    14: Vorlesung |
    0:00:00 Starten
    0:02:34 Polyphone
    0:03:32 Polyphone-Datenmangel
    0:04:32 Anzahl der Polyphone
    0:05:46 Häufigkeiten der Polyphone
    0:07:42 Backoff für Polyphone
    0:10:10 Gekoppelte Polyphone
    0:11:32 Bottom-Up vs. Top-Down Clustering
    0:13:15 Bottom-Up Clustering
    0:13:41 Top-Down Clustering
    0:14:30 Probleme beim Clustering
    0:15:48 Distanzen für Polyphonecluster
    0:20:53 Diskrete Entropiedistanz
    0:26:50 Gewichtete Entropiedistanz
    0:29:58 Clustern von Polyphonen mit Entropiedistanz
    0:32:00 Clustern nach Kai-Fu Lee
    0:39:11 Problem der Vokabularbeschränktheit
    0:40:12 Clustering mit Entscheidungsbäumen
    0:42:03 Top-Down Clustern
    0:44:02 Der Wachstumsprozess
    0:44:29 Während der Erkennung
    0:45:27 Abbruchkriterium für das Clustern
    0:48:07 Clustern mit Likelihood Distanz
    0:50:01 Problem bei Clustern mit Likelihood Distanz
    0:52:04 Kontextfragen
    0:57:47 Typische Kontextfragen
    1:00:45 Abdeckung durch Polyphone
    1:04:53 Gewinn durch längere Kontexte
    1 hr 6 min
  • Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 14.12.2015, Vorlesung 13
    13: Vorlesung |
    0:00:00 Starten
    0:00:10 EM-Algorithmus für HMMs
    0:48:30 EM-Algorithmus
    0:49:35 EM - Expectation Schritt
    0:50:10 EM-Maximization Schritt
    0:51:09 EM für Mixtur-Gewichte
    1:01:27 EM für Gaußmixturen
    1:10:07 EM für HMMs
    1:13:12 EM für HMMs - Anfangswahrscheinlichkeiten
    1:14:26 EM für HMMs - Übergangswahrscheinlichkeiten
    1:15:54 EM Algorithmus - diskrete Emissionswahrscheinlichkeiten
    1:17:08 EM Algorithmus - Emisssionswahrscheinlichkeiten GMM
    1:21:13 HMM Training für multiple Trainingssequenzen
    1:24:31 HMMs in ASR
    1 hr 26 min

About Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung

From the publisher's feed

Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung

More shows like Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung

Einführung in die Stochastik für Studierende des gymnasialen Lehramts Mathematik, SS2015, Vorlesung by Karlsruher Institut für Technologie (KIT)

Einführung in die Stochastik für Studierende des gymnasialen Lehramts Mathematik, SS2015, Vorlesung

0 Listeners

Numerische Mathematik für die Fachrichtungen Informatik und Ingenieurwesen, Vorlesung, SS2015 by Karlsruher Institut für Technologie (KIT)

Numerische Mathematik für die Fachrichtungen Informatik und Ingenieurwesen, Vorlesung, SS2015

0 Listeners

Transport Phenomena in the Biosphere by Karlsruher Institut für Technologie (KIT)

Transport Phenomena in the Biosphere

0 Listeners

Einführung in die Geophysik 1, WS17/18, Vorlesung by Karlsruher Institut für Technologie (KIT)

Einführung in die Geophysik 1, WS17/18, Vorlesung

0 Listeners

Theoretische Grundlagen der Informatik, Vorlesung, WS18/19 by Karlsruher Institut für Technologie (KIT)

Theoretische Grundlagen der Informatik, Vorlesung, WS18/19

0 Listeners

Numerische Mathematik für die Fachrichtungen Informatik und Ingenieurwesen, Vorlesung, SS2014 by Karlsruher Institut für Technologie (KIT)

Numerische Mathematik für die Fachrichtungen Informatik und Ingenieurwesen, Vorlesung, SS2014

0 Listeners

Einführung in die Stochastik für Studierende des gymnasialen Lehramts Mathematik, SS2014, Vorlesung by Karlsruher Institut für Technologie (KIT)

Einführung in die Stochastik für Studierende des gymnasialen Lehramts Mathematik, SS2014, Vorlesung

0 Listeners

Softwaretechnik 1, Vorlesung, SS2018 by Karlsruher Institut für Technologie (KIT)

Softwaretechnik 1, Vorlesung, SS2018

0 Listeners

Numerische Mathematik für die Fachrichtungen Informatik und Ingenieurwesen, Vorlesung, SS2019 by Karlsruher Institut für Technologie (KIT)

Numerische Mathematik für die Fachrichtungen Informatik und Ingenieurwesen, Vorlesung, SS2019

0 Listeners

Theoretische Grundlagen der Informatik, Vorlesung, WS19/20 by Karlsruher Institut für Technologie (KIT)

Theoretische Grundlagen der Informatik, Vorlesung, WS19/20

0 Listeners