Grundlagen der Automatischen Spracherkennung
- type: Vorlesung (V)
- semester: WS 13/14
-
time:
21.10.2013
11:30-13:00
50.34 Raum -102
23.10.2013
15:45-17:15
50.34 Raum -102
28.10.2013
11:30-13:00
50.34 Raum -102
30.10.2013
15:45-17:15
50.34 Raum -102
04.11.2013
11:30-13:00
50.34 Raum -102
06.11.2013
15:45-17:15
50.34 Raum -102
11.11.2013
11:30-13:00
50.34 Raum -102
13.11.2013
15:45-17:15
50.34 Raum -102
18.11.2013
11:30-13:00
50.34 Raum -102
20.11.2013
15:45-17:15
50.34 Raum -102
25.11.2013
11:30-13:00
50.34 Raum -102
27.11.2013
15:45-17:15
50.34 Raum -102
02.12.2013
11:30-13:00
50.34 Raum -102
04.12.2013
15:45-17:15
50.34 Raum -102
09.12.2013
11:30-13:00
50.34 Raum -102
11.12.2013
15:45-17:15
50.34 Raum -102
16.12.2013
11:30-13:00
50.34 Raum -102
18.12.2013
15:45-17:15
50.34 Raum -102
23.12.2013
11:30-13:00
50.34 Raum -102
08.01.2014
15:45-17:15
50.34 Raum -102
13.01.2014
11:30-13:00
50.34 Raum -102
15.01.2014
15:45-17:15
50.34 Raum -102
20.01.2014
11:30-13:00
50.34 Raum -102
22.01.2014
15:45-17:15
50.34 Raum -102
27.01.2014
11:30-13:00
50.34 Raum -102
29.01.2014
15:45-17:15
50.34 Raum -102
03.02.2014
11:30-13:00
50.34 Raum -102
05.02.2014
15:45-17:15
50.34 Raum -102
10.02.2014
11:30-13:00
50.34 Raum -102
12.02.2014
15:45-17:15
50.34 Raum -102
-
lecturer:
Prof.Dr. Alexander Waibel
- sws: 4
- lv-no.: 24145
Vortragssprache:
DeutschBeschreibung:
Die Vorlesung erläutert den Aufbau eines modernen Spracherkennungssystems. Der Aufbau wird dabei motiviert ausgehend von der Produktion menschlicher Sprache und ihrer Eigenschaften. Es werden alle Verarbeitungsschritte von der Signalverarbeitung über das Training geeigneter, statistischer Modelle, bis hin zur eigentlichen Erkennung ausführlich behandelt.Dabei stehen statistische Methoden, wie sie in aktuellen Spracherkennungssystemen verwendet werden, im Vordergrund. Somit wird der Stand der Technik in der automatischen Spracherkennung vermittelt. Ferner werden alternative Methoden vorgestellt, aus denen sich die aktuellen entwickelt haben und die zum Teil noch in spezialisierten Fällen in der Spracherkennung zum Einsatz kommen.
Anhand von Beispielanwendungen und Beispielen aus aktuellen Projekten wird der Stand der Technik und die Leistungsfähigkeit moderner Systeme veranschaulicht. Zusätzlich zu den grundlegenden Techniken wird auch eine Einführung in die weiterführenden Techniken automatischer Spracherkennung geben, um so zu vermitteln, wie moderne, leistungsfähige Spracherkennungssysteme trainiert und angewendet werden können.
Literaturhinweise:
- Xuedong Huang, Alex Acero, Hsiao-wuen Hon, Spoken Language Processing, Prentice Hall, NJ, USA, 2001
- Fredrick Jelinek (editor), Statistical Methods for Speech Recognition, The MIT Press,1997, Cambridge, Massachusetts, London, England
Weiterführende Literatur
- Lawrence Rabiner and Ronald W. Schafer, Digital Processing of Speech Signals, Prentice Hall, 1978
- Schukat-Talamazzini, Automatische Spracherkennung
Lehrinhalt:
Der Student wird in die Grundlagen der automatischen Erkennung von Sprache eingeführt. Er lernt dabei den grundlegenden Aufbau eines Spracherkennungssystems kennen sowie die konkrete Anwendung der Konzepte und Methoden aus dem Bereich des maschinellen Lernens, die bei der automatischen Spracherkennung eingesetzt werden.Um ein tieferes Verständnis zu erlangen und zur Motivation der eingesetzten Techniken, soll der Student ferner das grundlegende Konzept der Produktion menschlicher Sprache verstehen und daraus den Aufbau eines Spracherkennungssystems ableiten können.
Ferner sollen die Studenten verschiedene Anwendungsfälle für automatische Spracherkennung analysieren können und, basierend auf der erkannten Komplexität des Anwendungsfalls, ein geeignetes Spracherkennungssystem entwerfen können.
Im einzelnen sollen die Studenten den Aufbau der Komponenten eines Spracherkennungssystems --- Vorverarbeitung, akustisches Modell, Sprachmodell und Suche --- erlernen. Die Studenten sollen in der Lage sein, nach Besuch der Vorlesung entsprechende Komponenten selber implementieren oder anwenden zu können.
Die Studierenden erlernen ferner die Fähigkeit, die Leistungsfähigkeit von konkreten Spracherkennungssystemen beurteilen und evaluieren zu können.
Ferner soll der Student in die Grundlagen weiterführender Techniken der automatischen Spracherkennung, etwa die Verwendung von Modell- und Merkmalsraumadaption, und die Art ihrer Anwendung eingeführt werden.