Тест, свързан с ръководство · Среден Ниво

Тест за временна класификация на Connectionist

Научете как CTC маргинализира подравняването между несегментирани входни рамки и изходни последователности, като транскрипти за разпознаване на реч.

Свързани ръководни пътекиКонекционистка времева класификация
Въпрос 1 на 8

Какъв основен проблем е предназначен да реши CTC за разпознаването на реч?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какъв основен проблем е предназначен да реши CTC за разпознаването на реч?
    • Подравняване на несегментирани аудио рамки за извеждане на текст без етикети на ниво рамка
    • Компресиране на аудио файлове за съхранение
    • Превод на реч от един език на друг
    • Премахване на фоновия шум от записите
  2. За какво се използва специалният „празен“ токен в CTC?
    • За отбелязване само на края на цялото изречение
    • За представяне на „тук няма нов изход“ и за разделяне на истински повтарящи се знаци
    • За съхраняване на вероятността на езиковия модел
    • За да посочите тишина в оригиналната форма на аудио вълната
  3. Как CTC изчислява загубата за целева транскрипция?
    • Той избира единственото най-вероятно подравняване и игнорира останалите
    • Той сравнява стойностите на пикселите кадър по кадър
    • Той сумира вероятностите на всички валидни пътища на рамки, които се свиват до целевия текст
    • Осреднява амплитудата на звука във времето
  4. Какви са двете правила за свиване, които CTC прилага, за да превърне пътя на рамката в окончателен текст?
    • Напишете главни букви, след което добавете препинателни знаци
    • Обърнете последователността, след което премахнете гласните
    • Добавете интервали, след което преведете на фонеми
    • Обединете последователни повтарящи се знаци, след което изтрийте празните символи
  5. Какво опростяващо предположение прави стандартният CTC за своите резултати?
    • Прогнозата на всеки кадър е условно независима от другите, дадени от аудиото
    • Резултатите зависят в голяма степен от предишни излъчени знаци
    • Аудиото трябва да е точно една секунда
    • Всеки знак отнема точно един кадър
  6. Защо търсенето на лъч със слят езиков модел често се предпочита пред алчното декодиране в CTC?
    • Работи по-бързо на всяко устройство
    • Той компенсира липсата на вътрешен езиков модел на CTC, подобрявайки точността
    • Премахва необходимостта от празния токен
    • Това елиминира необходимостта от обучение на мрежата
  7. What length constraint does CTC place on an output sequence relative to input frames?
    • The target must always have exactly the same length as the input
    • The target must contain twice as many labels as input frames
    • The target cannot require more output labels than there are input time steps
    • CTC requires a fixed 256-token output
  8. How can CTC compute the sum over many valid alignments without explicitly listing every path?
    • By selecting one random path and ignoring all others
    • By running a separate language model for every audio frame
    • By sorting the transcript alphabetically
    • Using a forward-backward dynamic-programming recurrence over an alignment lattice