Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Konnekcionista időbeli osztályozási kvíz

Learn how CTC marginalizes alignments between unsegmented input frames and output sequences such as speech-recognition transcripts.

Kapcsolódó útmutató utakKonnekcionista időbeli osztályozás
kérdés 1 -ból 8

Milyen alapvető probléma megoldására tervezték a CTC-t a beszédfelismeréssel kapcsolatban?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen alapvető probléma megoldására tervezték a CTC-t a beszédfelismeréssel kapcsolatban?
    • A szegmentálatlan hangkockák igazítása keretszintű címkék nélküli szöveg kimenetéhez
    • Hangfájlok tömörítése tároláshoz
    • Beszéd fordítása egyik nyelvről a másikra
    • A háttérzaj eltávolítása a felvételekből
  2. Mire használják a speciális „üres” tokent a CTC-ben?
    • Csak a teljes mondat végének megjelölésére
    • A „nincs itt új kimenet” ábrázolása és a valódi ismétlődő karakterek elkülönítése
    • A nyelvi modell valószínűségének tárolására
    • A csend jelzésére az eredeti hanghullámban
  3. Hogyan számítja ki a CTC a céltranszkripció veszteségét?
    • Kiválasztja a legvalószínűbb igazítást, és figyelmen kívül hagyja a többit
    • Képkockánként összehasonlítja a pixelértékeket
    • Összesíti az összes érvényes keretútvonal valószínűségét, amely összecsukódik a célszövegbe
    • Idővel átlagolja a hang amplitúdóját
  4. Mi az a két összecsukási szabály, amelyet a CTC alkalmaz a keretútvonal végleges szöveggé alakításához?
    • Írj nagybetűket, majd írj be írásjeleket
    • Fordítsa meg a sorrendet, majd távolítsa el a magánhangzókat
    • Adjon hozzá szóközöket, majd fordítsa le fonémákra
    • Egyesítse az egymást követő ismétlődő karaktereket, majd törölje az üres tokeneket
  5. Milyen leegyszerűsítő feltételezést tesz a szabványos CTC a kimeneteiről?
    • Minden egyes képkocka előrejelzése feltételesen független a többitől, adott hangon
    • A kimenetek nagymértékben függenek a korábban kiadott karakterektől
    • A hangnak pontosan egy másodperc hosszúnak kell lennie
    • Minden karakter pontosan egy képkockát foglal el
  6. Miért részesítik gyakran előnyben a nyalábkeresést az összeolvasztott nyelvi modellel a mohó dekódolással szemben a CTC-ben?
    • Minden eszközön gyorsabban fut
    • Kompenzálja a CTC belső nyelvi modelljének hiányát, javítva a pontosságot
    • Megszünteti az üres token szükségességét
    • Kiküszöböli a hálózat betanításának szükségességét
  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