Mit dem Guide verknüpftes Quiz · Mittel Ebene

Konnektionistisches Quiz zur zeitlichen Klassifizierung

Erfahren Sie, wie CTC Ausrichtungen zwischen unsegmentierten Eingaberahmen und Ausgabesequenzen wie Spracherkennungstranskripten marginalisiert.

Verwandte FührungspfadeKonnektionistische Zeitklassifikation
Frage 1 von 8

Welches Kernproblem sollte CTC bei der Spracherkennung lösen?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Welches Kernproblem sollte CTC bei der Spracherkennung lösen?
    • Ausrichten unsegmentierter Audio-Frames zur Ausgabe von Text ohne Beschriftungen auf Frame-Ebene
    • Komprimieren von Audiodateien zur Speicherung
    • Sprache von einer Sprache in eine andere übersetzen
    • Hintergrundgeräusche aus Aufnahmen entfernen
  2. Wofür wird der spezielle „leere“ Token in CTC verwendet?
    • Markiert nur das Ende des gesamten Satzes
    • Um „hier keine neue Ausgabe“ darzustellen und echte wiederholte Zeichen zu trennen
    • Zum Speichern der Wahrscheinlichkeit des Sprachmodells
    • Zeigt Stille in der ursprünglichen Audiowellenform an
  3. Wie berechnet CTC den Verlust für eine Zieltranskription?
    • Es wählt die wahrscheinlichste Ausrichtung aus und ignoriert den Rest
    • Es vergleicht Pixelwerte Bild für Bild
    • Es summiert die Wahrscheinlichkeiten aller gültigen Frame-Pfade, die auf den Zieltext reduziert werden
    • Es mittelt die Audioamplitude über die Zeit
  4. Welche beiden Komprimierungsregeln wendet CTC an, um einen Frame-Pfad in endgültigen Text umzuwandeln?
    • Schreiben Sie Buchstaben groß und fügen Sie dann Satzzeichen hinzu
    • Kehren Sie die Reihenfolge um und entfernen Sie dann die Vokale
    • Leerzeichen hinzufügen und dann in Phoneme übersetzen
    • Führen Sie aufeinanderfolgende wiederholte Zeichen zusammen und löschen Sie dann leere Token
  5. Welche vereinfachende Annahme macht Standard-CTC bezüglich seiner Ergebnisse?
    • Die Vorhersage jedes Frames ist aufgrund des Audios bedingt unabhängig von den anderen
    • Die Ausgaben hängen stark von zuvor ausgegebenen Zeichen ab
    • Der Ton muss genau eine Sekunde lang sein
    • Jeder Charakter benötigt genau ein Bild
  6. Warum wird die Strahlsuche mit einem fusionierten Sprachmodell in CTC oft der gierigen Dekodierung vorgezogen?
    • Es läuft auf jedem Gerät schneller
    • Es kompensiert das Fehlen eines internen Sprachmodells bei CTC und verbessert die Genauigkeit
    • Dadurch entfällt die Notwendigkeit des leeren Tokens
    • Dadurch entfällt die Notwendigkeit, das Netzwerk zu trainieren
  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