Κουίζ χρονικής ταξινόμησης Connectionist

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Ποιο βασικό πρόβλημα σχεδιάστηκε να λύσει το CTC για την αναγνώριση ομιλίας;
   • Ευθυγράμμιση μη τμηματοποιημένων πλαισίων ήχου για έξοδο κειμένου χωρίς ετικέτες σε επίπεδο πλαισίου
   • Συμπίεση αρχείων ήχου για αποθήκευση
   • Μετάφραση ομιλίας από τη μια γλώσσα στην άλλη
   • Αφαίρεση θορύβου περιβάλλοντος από εγγραφές
2. Σε τι χρησιμοποιείται το ειδικό «κενό» διακριτικό στο CTC;
   • Για να σημειώσετε μόνο το τέλος ολόκληρης της πρότασης
   • Για να αναπαραστήσετε «δεν υπάρχει νέα έξοδος εδώ» και να διαχωρίσετε γνήσιους επαναλαμβανόμενους χαρακτήρες
   • Για να αποθηκεύσετε την πιθανότητα του μοντέλου γλώσσας
   • Για να υποδείξει τη σιωπή στην αρχική κυματομορφή ήχου
3. Πώς υπολογίζει το CTC την απώλεια για μια μεταγραφή στόχο;
   • Επιλέγει την πιο πιθανή στοίχιση και αγνοεί τις υπόλοιπες
   • Συγκρίνει τις τιμές των pixel καρέ προς καρέ
   • Αθροίζει τις πιθανότητες όλων των έγκυρων μονοπατιών πλαισίου που συμπτύσσονται στο κείμενο-στόχο
   • Υπολογίζει κατά μέσο όρο το πλάτος του ήχου με την πάροδο του χρόνου
4. Ποιοι είναι οι δύο κανόνες που καταρρέουν το CTC για τη μετατροπή μιας διαδρομής πλαισίου σε τελικό κείμενο;
   • Κάντε κεφαλαία γράμματα και μετά προσθέστε σημεία στίξης
   • Αντιστρέψτε τη σειρά και, στη συνέχεια, αφαιρέστε τα φωνήεντα
   • Προσθέστε κενά και μετά μεταφράστε σε φωνήματα
   • Συγχωνεύστε διαδοχικούς επαναλαμβανόμενους χαρακτήρες και, στη συνέχεια, διαγράψτε τα κενά διακριτικά
5. Ποια απλουστευτική υπόθεση κάνει το πρότυπο CTC για τις εξόδους του;
   • Η πρόβλεψη κάθε καρέ είναι υπό όρους ανεξάρτητη από τις υπόλοιπες δεδομένου του ήχου
   • Οι έξοδοι εξαρτώνται σε μεγάλο βαθμό από χαρακτήρες που εκπέμπονταν προηγουμένως
   • Ο ήχος πρέπει να είναι ακριβώς ένα δευτερόλεπτο
   • Κάθε χαρακτήρας παίρνει ακριβώς ένα καρέ
6. Γιατί η αναζήτηση δέσμης με ένα μοντέλο συγχωνευμένης γλώσσας προτιμάται συχνά από την άπληστη αποκωδικοποίηση στο CTC;
   • Λειτουργεί πιο γρήγορα σε κάθε συσκευή
   • Αντισταθμίζει την έλλειψη εσωτερικού γλωσσικού μοντέλου από το CTC, βελτιώνοντας την ακρίβεια
   • Καταργεί την ανάγκη για το κενό διακριτικό
   • Εξαλείφει την ανάγκη εκπαίδευσης του δικτύου
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