Speech and Language Understanding (SLU)5 ECTS
(englische Bezeichnung: Speech and Language Understanding)
(Prüfungsordnungsmodul: Speech and Language Processing)

Lehrveranstaltungen:

• • Speech and Language Understanding
    (Vorlesung, 2 SWS, Seung Hee Yang et al., Mo, 14:00 - 16:00, Hörsaal ZMPT)
  • Speech and Language Understanding Exercises
    (Übung, Seung Hee Yang et al., Di, 12:15 - 13:45, 00.156-113 CIP)

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:

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

1. Wirtschaftsinformatik (Bachelor of Science)
   (Po-Vers. 2020w | ReWiFak | Wirtschaftsinformatik (Bachelor of Science) | Gesamtkonto | Wahlpflichtbereiche | Wahlpflichtbereich Informatik | Speech and Language Processing)

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

1. Prüfer:

Andreas Maier