Kvíz spojený s průvodcem · Střední úroveň

Kvíz o časové klasifikaci konconnectionistů

Zjistěte, jak CTC marginalizuje zarovnání mezi nesegmentovanými vstupními snímky a výstupními sekvencemi, jako jsou přepisy rozpoznávání řeči.

Související vodicí cestyKonekcionistická časová klasifikace
Otázka 1 z 8

Jaký hlavní problém byl navržen CTC pro řešení rozpoznávání řeči?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký hlavní problém byl navržen CTC pro řešení rozpoznávání řeči?
    • Zarovnání nesegmentovaných zvukových snímků pro výstup textu bez popisků na úrovni snímků
    • Komprese zvukových souborů pro ukládání
    • Překlad řeči z jednoho jazyka do druhého
    • Odstranění šumu na pozadí z nahrávek
  2. K čemu se používá speciální „prázdný“ token v CTC?
    • Pouze pro označení konce celé věty
    • Představuje „zde žádný nový výstup“ a odděluje skutečné opakující se znaky
    • K uložení pravděpodobnosti jazykového modelu
    • K označení ticha v původním zvukovém průběhu
  3. Jak CTC vypočítá ztrátu pro cílovou transkripci?
    • Vybere jediné nejpravděpodobnější zarovnání a zbytek ignoruje
    • Porovnává hodnoty pixelů snímek po snímku
    • Sečte pravděpodobnosti všech platných cest snímků, které se sbalí do cílového textu
    • Průměruje amplitudu zvuku v průběhu času
  4. Jaká jsou dvě pravidla pro sbalení, která CTC používá k přeměně dráhy snímku na konečný text?
    • Pište velká písmena a poté přidejte interpunkci
    • Obraťte sekvenci a poté odstraňte samohlásky
    • Přidejte mezery a poté přeložte na fonémy
    • Slučte po sobě jdoucí opakované znaky a poté odstraňte prázdné tokeny
  5. Jaký zjednodušující předpoklad dělá standardní CTC o svých výstupech?
    • Predikce každého snímku je podmíněně nezávislá na ostatních vzhledem ke zvuku
    • Výstupy silně závisí na dříve vyslaných znacích
    • Zvuk musí být dlouhý přesně jednu sekundu
    • Každá postava zabere přesně jeden snímek
  6. Proč je v CTC často preferováno paprskové vyhledávání s fúzovaným jazykovým modelem před chamtivým dekódováním?
    • Na každém zařízení běží rychleji
    • Kompenzuje nedostatek interního jazykového modelu CTC a zlepšuje přesnost
    • Odstraňuje potřebu prázdného tokenu
    • Odstraňuje potřebu trénovat síť
  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