कनेक्शनिस्ट टेम्पोरल वर्गीकरण

कनेक्शनिस्ट टेम्पोरल क्लासिफिकेशन (सीटीसी) एक हानि फ़ंक्शन और डिकोडिंग विधि है जो तंत्रिका नेटवर्क को प्रत्येक अक्षर के साथ प्रत्येक ध्वनि को हाथ से संरेखित किए बिना एक लंबे ऑडियो अनुक्रम को पाठ में बदलने की सुविधा देता है। इसने क्रूर संरेखण समस्या को हल करके एंड-टू-एंड वाक् पहचान को व्यावहारिक बना दिया।

सीटीसी एक नेटवर्क को (ऑडियो, टेक्स्ट) जोड़ियों पर प्रशिक्षित करने की सुविधा देता है, बिना किसी को लेबल किए कि कौन सा फ्रेम किस वर्ण से मेल खाता है, जिससे संरेखण समस्या का समाधान हो जाता है।

रिक्त टोकन मॉडल को फ्रेम पर 'कुछ भी नया नहीं' उत्सर्जित करने देता है और, गंभीर रूप से, 'हैलो' में डबल-एल जैसे वास्तविक दोहराव को संक्षिप्त दोहराव से अलग करता है।

सीटीसी प्रत्येक संरेखण पर संभाव्यता को जोड़ने के लिए फॉरवर्ड-बैकवर्ड डायनेमिक-प्रोग्रामिंग एल्गोरिदम का उपयोग करता है जो दोहराव को मर्ज करने और रिक्त स्थान को हटाने के बाद लक्ष्य पर मैप करता है।

एक कच्चे प्रति-फ़्रेम पथ को पहले आसन्न डुप्लिकेट वर्णों को मर्ज करके और फिर सभी रिक्त टोकन को हटाकर डिकोड किया जाता है।

सीटीसी प्रति-फ्रेम सशर्त स्वतंत्रता मानता है, जो सारांश को सुव्यवस्थित बनाता है लेकिन इसका मतलब है कि इसमें कोई अंतर्निहित भाषा मॉडल नहीं है।