Prueba de clasificación temporal conexionista

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Para qué problema central se diseñó CTC para el reconocimiento de voz?
   • Alinear fotogramas de audio no segmentados para generar texto sin etiquetas a nivel de fotograma
   • Comprimir archivos de audio para su almacenamiento
   • Traducir el habla de un idioma a otro.
   • Eliminar el ruido de fondo de las grabaciones
2. ¿Para qué se utiliza el token especial 'en blanco' en CTC?
   • Para marcar solo el final de la oración completa.
   • Para representar "no hay resultados nuevos aquí" y separar caracteres repetidos genuinos
   • Para almacenar la probabilidad del modelo de lenguaje.
   • Para indicar silencio en la forma de onda de audio original
3. ¿Cómo calcula CTC la pérdida de una transcripción objetivo?
   • Elige la alineación más probable e ignora el resto.
   • Compara los valores de los píxeles cuadro por cuadro.
   • Suma las probabilidades de que todas las rutas de marco válidas se colapsen en el texto de destino.
   • Promedia la amplitud del audio a lo largo del tiempo.
4. ¿Cuáles son las dos reglas de colapso que aplica CTC para convertir una ruta de marco en texto final?
   • Ponga las letras en mayúscula y luego agregue puntuación
   • Invierte la secuencia y luego elimina las vocales.
   • Añade espacios y luego traduce a fonemas.
   • Fusionar caracteres repetidos consecutivos y luego eliminar tokens en blanco
5. ¿Qué supuesto simplificador hace el CTC estándar sobre sus resultados?
   • La predicción de cada cuadro es condicionalmente independiente de los demás dado el audio.
   • Las salidas dependen en gran medida de los caracteres emitidos previamente.
   • El audio debe durar exactamente un segundo.
   • Cada personaje ocupa exactamente un fotograma.
6. ¿Por qué a menudo se prefiere la búsqueda por haz con un modelo de lenguaje fusionado a la decodificación codiciosa en CTC?
   • Se ejecuta más rápido en todos los dispositivos
   • Compensa la falta de un modelo de lenguaje interno de CTC, mejorando la precisión.
   • Elimina la necesidad del token en blanco.
   • Elimina la necesidad de entrenar la red.
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