|
Speech and Language Understanding (SLU)5 ECTS (englische Bezeichnung: Speech and Language Understanding)
Modulverantwortliche/r: Andreas Maier, Seung Hee Yang Lehrende:
Andreas Maier, Seung Hee Yang, Abner Hernandez
Startsemester: |
SS 2022 | Dauer: |
1 Semester | Turnus: |
jährlich (SS) |
Präsenzzeit: |
60 Std. | Eigenstudium: |
90 Std. | Sprache: |
Englisch |
Lehrveranstaltungen:
Inhalt:
Nach Behandlung der grundlegenden Mechanismen menschlicher Spracherzeugung und Sprachwahrnehmung
gibt die Vorlesung eine detaillierte Einführung in (vornehmlich) statistisch orientierte Methoden der
maschinellen Erkennung gesprochener Sprache.
Schwerpunktthemen sind Merkmalgewinnung, Vektorquantisierung,
akustische Sprachmodellierung mit Hilfe von Markovmodellen, linguistische Sprachmodellierung mit Hilfe
stochastischer Grammatiken, prosodische Information
sowie Suchalgorithmen zur Beschleunigung des Dekodiervorgangs.
After focussing on of the basic mechanisms of human speech generation and speech perception the lecture gives a detailed introduction to (mainly) statistically oriented methods of automatic recognition of spoken language.
Main topics are feature extraction, vector quantization, acoustic speech modeling with the help of Markov models, linguistic speech modeling with the help of stochastic grammars, prosodic information as well as search algorithms to speed up the decoding process.
Lernziele und Kompetenzen:
Die Studierenden
verstehen die Grundlagen der menschlichen Sprachproduktion und die akustischen Eigenschaften unterschiedlicher Phonemklassen
erklären den allgemeinen Aufbau eines Mustererkennungssystems
verstehen Abtastung, das Abtasttheorem und Quantisierung in Bezug auf Sprachsignale
verstehen die Fourier-Transformation und mathematische Modelle der Sprachproduktion
verstehen harte und weiche Vektorquantisierungsmethoden
verstehen unüberwachtes Lernen (EM-Algorithmus)
verstehen Hidden Markov-Modelle (HMMs)
erklären stochastische Sprachmodelle
The students
understand the principles of human speech production and acoustic properties of the different phoneme classes
explain the general pipeline of a pattern recognition system
understand sampling, the sampling theorem, and quantization w.r.t. speech signals
understand Fourier transformation and mathematical models of speech production
understand hard and soft vector quantization methods
understand unsupervised learning (EM-algorithm)
understand Hidden Markov Models (HMMs)
explain stochastic language models
Literatur:
- Niemann H.: Klassifikation von Mustern; Springer, Berlin 1983
Niemann H.: Pattern Analysis and Understanding; Springer, Berlin 1990
Schukat-Talamazzini E.G.: Automatische Spracherkennung;
Vieweg, Wiesbaden 1995
Rabiner L.R., Schafer R.: Digital Processing of Speech Signals;
Prentice Hall, New Jersey 1978
Rabiner L.R., Juang B.H.: Fundamentals of Speech Recognition;
Prentice Hall, New Jersey 1993
Weitere Informationen:
Schlüsselwörter: Mustererkennung, Merkmale, HMM, Sprachmodelle, Prosodie, Suchalgorithmen
Studien-/Prüfungsleistungen:
Speech and Language Processing (Prüfungsnummer: 44551)
- Prüfungsleistung, Klausur, Dauer (in Minuten): 60, benotet, 5 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- Prüfungssprache: Englisch
- Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|