Kartičky na Cepstrálna analýza a psychoakustika
Cepstrálna Analýza a Psychoakustika: Komplexný Sprievodca
Ťukni na otočenie · Potiahni na navigáciu
Technológie spracovania reči - vyhľadávacie algoritmy
183 kartičiek
Kartička 1
Otázka: Čo je Viterbiho aproximácia v dekódovaní reči?
Odpoveď: Približné nahradenie súčtu cez všetky stavové sekvencie maximom, teda najpravdepodobnejšia slovná sekvencia sa aproximuje najpravdepodobnejšou stavovo
Kartička 2
Otázka: Ako funguje časovo-synchronné Viterbiho vyhľadávanie?
Odpoveď: Spracováva celý časový rámec t skôr než prejde na t+1; každý stav v čase t sa aktualizuje pomocou najlepšieho skóre z predchádzajúcich stavov v t-1 a
Kartička 3
Otázka: Prečo pri spojitom rozpoznávaní reči uchovávame ukazovateľ spätného sledovania len pre slovnú históriu, nie celý stav?
Odpoveď: Lepíme len históriu slov pri dosiahnutí finálneho stavu slova, takže na konci vieme získať optimálnu slovnú sekvenciu bez uchovávania celej trellis; s
Kartička 4
Otázka: Aký je prínos dynamickej konštrukcie trellisu pri veľkých slovníkoch?
Odpoveď: Generuje sa a alokuje len časť priestoru vyhľadávania potrebná pre sľubné hypotézy, takže náklady sú úmerné počtu aktívnych hypotéz, nie celkovej veľk
Kartička 5
Otázka: Čo je beam pruning (beam search) v časovo-synchronnom Viterbiho vyhľadávaní?
Odpoveď: Heuristika, ktorá zachováva len stavy v časovom rámci so skórom nehorším než min_D + T; stavy s vyšším nákladom sa odstraňujú, čím sa výrazne znižuje
Kartička 6
Otázka: Prečo je porovnanie ciest v časovo-synchronnom rámci „ferové“ pri použití beam search?
Odpoveď: Pre dve slovné sekvencie sa porovnávajú posteriorné pravdepodobnosti vzhľadom na rovnakú čiastočnú akustickú pozorovaciu sekvenciu 0..t, takže spoločn
Kartička 7
Otázka: Ktorý problém môžu mať časovo-asynchronné algoritmy (napr. stack decoding) v porovnaní s časovo-synchronným vyhľadávaním?
Odpoveď: Vyžadujú normalizáciu pravdepodobností cez rôzne dĺžky feature streamov, čo je ich slabé miesto (Achillesova pätа) pri rozpoznávaní reči.
Kartička 8
Otázka: Aké sú dve základné DP (dynamické programovanie) tranzície v Viterbiho vyhľadávaní pre ASR?
Odpoveď: Intra-word (vnútroslovné) tranzície – štandardný Viterbi update s konzumáciou pozorovania; a inter-word (medzislovné) nulové tranzície – prechod medzi
Kartička 9
Otázka: Ako sa definuje náklad pre intra-word tranzíciu v trellise?
Odpoveď: D(t;s;w) = min over predchodcov [ D(t-1;s';w) + d(s',s|w,x_t) ], kde d = -log P(s|w) - log P(x_t|s,w) (rovnica 12.17–12.19).
Kartička 10
Otázka: Prečo je časovo-synchronný Viterbiho beam search v praxi úspešný pri veľkých gramatikách a n-gramoch?
Odpoveď: Lepšie porozumenie lingvistickému priestoru a techniky získavania n-best zoznamov umožňujú, že len malá časť priestoru (beam) stačí bez zvýšenia chýb;