Player FM - Internet Radio Done Right
Checked 5M ago
Hozzáadva hét éve
A tartalmat a Karlsruher Institut für Technologie (KIT) biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Karlsruher Institut für Technologie (KIT) vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
Player FM - Podcast alkalmazás
Lépjen offline állapotba az Player FM alkalmazással!
Lépjen offline állapotba az Player FM alkalmazással!
Podcastok, amelyeket érdemes meghallgatni
SZPONZORÁLT
In a difficult week for Los Angeles, we hope this episode can provide a little bit of respite. Jessica Shaw is joined by Keely Flaherty from Tudum for a deeper dive into the gripping limited series, American Primeval , starring Betty Gilpin and Taylor Kitsch. Then also talk about the delightful return of Cameron Diaz and Jamie Foxx in the new action comedy, Back in Action , directed by Seth Gordon. Follow Netflix Podcasts for more and read about all of the titles featured on today’s episode exclusively on Tudum.com .…
Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 11.01.2016, Vorlesung 15
Manage episode 188269338 series 1580639
A tartalmat a Karlsruher Institut für Technologie (KIT) biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Karlsruher Institut für Technologie (KIT) vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
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
…
continue reading
22 epizódok
Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 11.01.2016, Vorlesung 15
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
Manage episode 188269338 series 1580639
A tartalmat a Karlsruher Institut für Technologie (KIT) biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Karlsruher Institut für Technologie (KIT) vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
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
…
continue reading
22 epizódok
Minden epizód
×G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 08.02.2016, Vorlesung 22 1:25:36
1:25:36
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:25:3622: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 03.02.2016, Vorlesung 21 59:08
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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 01.02.2016, Vorlesung 20 1:23:29
1:23:29
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:23:2920: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 27.01.2016, Vorlesung 19 1:11:02
1:11:02
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:11:0219: 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*…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 25.01.2016, Vorlesung 18 50:04
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)…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 18.01.2016, Vorlesung 17 1:23:47
1:23:47
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:23:4717: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 11.01.2016, Vorlesung 15 1:22:53
1:22:53
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:22:5315: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 13.01.2016, Vorlesung 16 1:20:49
1:20:49
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:20:4916: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 21.12.2015, Vorlesung 14 1:05:50
1:05:50
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:05:5014: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 14.12.2015, Vorlesung 13 1:25:47
1:25:47
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:25:4713: 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…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 07.12.2015, Vorlesung 12 1:15:04
1:15:04
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:15:0412: Vorlesung | 0:00:00 Starten 0:01:22 Die Fundamentalformel 0:02:47 HMM Definition 0:06:01 Die Drei Probleme der HMMs 0:11:23 Forward Algorithmus 0:23:04 Backward Algorithmus 0:27:43 Das Decoding Problem 0:33:02 Viterbi-Algorithmus 0:36:01 Das Lern-Problem 0:46:23 Baum-Welch Regeln 0:52:35 Literatur 0:54:42 Maximum-Likelihood Methode 0:59:20 Expectation Maximization (EM) 1:06:13 EM-Expectation Schritt 1:09:04 EM- Maximization Schritt 1:11:58 EM für Mixtur-Gewichte…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 30.11.2015, Vorlesung 11 1:20:17
1:20:17
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:20:1711: Vorlesung | 0:00:00 Starten 0:01:05 Aufgabe 0:10:18 Vektorquantisierung 0:11:47 Finden von Referenzvektoren 0:12:57 K-Mittelwerte 0:15:53 Learning VQ 0:18:12 LVQ 2, LVQ3 0:20:27 LVQ als KNN 0:29:42 Literaturempfehlung zu Statische Spracherkennung 0:30:39 Stochastik in der Spracherkennung 0:34:35 Die Fundamentalformel 0:39:58 Stochastische ASR - Akustische Modell 0:43:56 Stochastischer Prozess 0:49:12 Markow-Kette 0:51:11 Markow-Kette n-ter Ordnung 0:53:01 Markow-Ketten 1.Ordnung 0:54:59 Homogene Markow-Ketten 1.Ordnung 0:55:46 Beispiele 1:02:41 Hidden Markov Models 1:10:41 Urne Ball Modell 1:12:04 HMM Definition 1:15:01 HMM Beobachtungsgenerierung 1:16:52 Die HMM Trellis 1:18:53 Die Drei Probleme der HMMs…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 25.11.2015, Vorlesung 10 1:24:55
1:24:55
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:24:5510: Vorlesung | 0:00:00 Starten 0:01:18 DTW für einzelne Wörter 0:09:35 DTW für Sequenzen mehrere Wörter 0:14:57 One Stage DP 0:33:51 Gaußverteilung (Normalverteilung) 1:05:01 Vektorquantisierung 1:11:11 Voronoiregionen 1:14:22 Mahalanobis Distanz 1:16:27 Vektorquantisierung als Klassifikationsproblem 1:17:52 K-Nächste Nachbar 1:22:05 Baumstruktur des Merkmalsraums 1:23:01 (Haus-) Aufgabe…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 23.11.2015, Vorlesung 09 1:03:54
1:03:54
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:03:5409: Vorlesung | 0:00:00 Starten 0:01:03 Hauptkomponentenanalyse (PCA) 0:04:55 Lineare Diskriminanzanalyse 0:06:42 Vorverarbeitung mit Neuronalen Netzen 0:09:29 Bottleneck Features 0:11:29 Klassifikation 0:14:49 Statistische vs. Wissensbasierte Ansätze 0:17:07 Wissensbasiert: Entscheidungsbäume 0:18:09 Classification and Regression Trees 0:22:26 Überwachtes vs. Unüberwachtes Lernen 0:24:08 Unüberwachtes Lernen 0:26:09 Überwachtes Lernen 0:27:48 Parametrisches vs. Nicht-Parametrische Klassifikation 0:28:56 Bayes Klassifikator 0:32:02 Minimum Fehler Regel 0:33:42 Parzen Fenster 0:36:53 Spracherkennung mit Musterklassifikation 0:39:04 Vergleich ganzer Äußerungen 0:46:01 Time Warping 0:47:28 Erinnerung: Minimale Editierdistanz 0:50:19 Finden der minimalen Editierdistanz: DP Matrix 0:52:20 Dynamic Time Warping (DTW) 0:59:54 Strahlsuche 1:02:12 Mögliche Distanzen von Vektoren 1:03:01 Einordnung des DTW…
G
Grundlagen der Automatischen Spracherkennung, WS15/16, Vorlesung
1 Grundlagen der automatischen Spracherkennung, WS 2015/2016, gehalten am 11.11.2015, Vorlesung 08 1:23:50
1:23:50
Lejátszás később
Lejátszás később
Listák
Tetszik
Kedvelt
1:23:5008: Vorlesung | 0:00:00 Starten 0:00:24 Wiederholung: Laplace Transformation, Kurzzeitspektralanalyse 0:06:06 Quelle Filter Modell der Sprache 0:07:40 Helmholtzresonator 0:12:25 Vokaldreieck 0:18:34 Lineare Vorhersage (LPC) 0:26:46 Interpretation der LPC Koeffizienten 0:29:04 All-Pole Modell 0:30:16 LPC Beispiel 0:35:33 Cesptrum 0:51:39 Diskrete Cosinustransformation 0:59:11 Beispiel: Berechnung MFCC Koeffizienten 1:00:02 Filterbank im Leistungsbetrags-Spektrum (Mel-Filterbank) 1:00:41 Logarithmus auf Leistungsbetragsspektrum 1:01:29 Cepstral-Koeffizienten 1:03:19 Log-Spektrum rekonstruiert von (geliftertem) Cepstrum 1:03:44 Vergleich Verschiedener Spektren 1:04:21 Typische Vorverarbeitung 1:13:00 Dynamische Merkmale 1:14:10 Autokorrelation 1:21:18 Nulldurchgangsrate 1:23:15 Hauptkomponentenanalyse (PCA)…
Üdvözlünk a Player FM-nél!
A Player FM lejátszó az internetet böngészi a kiváló minőségű podcastok után, hogy ön élvezhesse azokat. Ez a legjobb podcast-alkalmazás, Androidon, iPhone-on és a weben is működik. Jelentkezzen be az feliratkozások szinkronizálásához az eszközök között.