Quiz collegato alla guida · Medio Livello
Quiz sulla classificazione temporale connessionista
Scopri come CTC marginalizza gli allineamenti tra frame di input non segmentati e sequenze di output come le trascrizioni di riconoscimento vocale.
Domanda 1 di 8
Quale problema fondamentale è stato progettato per risolvere il CTC per il riconoscimento vocale?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quale problema fondamentale è stato progettato per risolvere il CTC per il riconoscimento vocale?
- Allineamento di fotogrammi audio non segmentati per produrre testo senza etichette a livello di fotogramma
- Compressione di file audio per l'archiviazione
- Tradurre il parlato da una lingua all'altra
- Rimozione del rumore di fondo dalle registrazioni
- A cosa serve lo speciale token "vuoto" in CTC?
- Solo per segnare la fine dell'intera frase
- Per rappresentare "nessun nuovo output qui" e per separare i caratteri ripetuti autentici
- Per memorizzare la probabilità del modello linguistico
- Per indicare il silenzio nella forma d'onda audio originale
- In che modo CTC calcola la perdita per una trascrizione target?
- Sceglie il singolo allineamento più probabile e ignora il resto
- Confronta i valori dei pixel fotogramma per fotogramma
- Somma le probabilità di tutti i percorsi di frame validi che collassano nel testo di destinazione
- Calcola la media dell'ampiezza audio nel tempo
- Quali sono le due regole di compressione applicate da CTC per trasformare un percorso frame nel testo finale?
- Scrivi in maiuscolo le lettere, quindi aggiungi la punteggiatura
- Invertire la sequenza, quindi rimuovere le vocali
- Aggiungi spazi, quindi traduci in fonemi
- Unisci caratteri ripetuti consecutivi, quindi elimina i token vuoti
- Quale ipotesi semplificativa fa il CTC standard riguardo ai suoi risultati?
- La previsione di ciascun fotogramma è condizionatamente indipendente dalle altre, dato l'audio
- Gli output dipendono fortemente dai caratteri emessi in precedenza
- L'audio deve durare esattamente un secondo
- Ogni personaggio occupa esattamente un fotogramma
- Perché la ricerca del raggio con un modello di linguaggio fuso spesso è preferita alla decodifica avida in CTC?
- Funziona più velocemente su ogni dispositivo
- Compensa la mancanza di un modello linguistico interno di CTC, migliorando la precisione
- Elimina la necessità del token vuoto
- Elimina la necessità di addestrare la rete
- 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
- 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