コネクショニスト時間分類クイズ

クイズに答えると、答えと解説が表示されます。

1. CTC は音声認識に関してどのような中心的な問題を解決するように設計されましたか?
   • セグメント化されていないオーディオ フレームを位置合わせして、フレーム レベルのラベルなしでテキストを出力する
   • オーディオファイルを圧縮して保存する
   • 音声をある言語から別の言語に翻訳する
   • 録音からバックグラウンドノイズを除去する
2. CTC の特別な「空白」トークンは何に使用されますか?
   • 文全体の終わりのみをマークする場合
   • 「ここには新しい出力はありません」を表し、本物の繰り返し文字を分離するため
   • 言語モデルの確率を保存するには
   • 元のオーディオ波形の無音を示すには
3. CTC はターゲット転写の損失をどのように計算しますか?
   • 最も可能性の高いアライメントを 1 つ選択し、残りは無視します。
   • フレームごとにピクセル値を比較します
   • ターゲットテキストに折りたたまれるすべての有効なフレームパスの確率を合計します。
   • オーディオの振幅を時間の経過とともに平均化します。
4. フレームパスを最終テキストに変換するために CTC が適用する 2 つの折りたたみルールは何ですか?
   • 文字を大文字にしてから句読点を追加します
   • 順序を逆にして母音を削除します
   • スペースを追加して音素に変換する
   • 連続して繰り返される文字を結合し、空のトークンを削除します
5. 標準的な CTC はその出力についてどのような単純化した仮定を立てていますか?
   • 各フレームの予測は、音声が与えられた場合に条件付きで他の予測から独立しています。
   • 出力は以前に発行された文字に大きく依存します
   • 音声の長さはちょうど 1 秒である必要があります
   • すべてのキャラクターには正確に 1 フレームがかかります
6. CTC では、融合言語モデルを使用したビーム検索が貪欲なデコードよりも好まれるのはなぜですか?
   • どのデバイスでも高速に動作します
   • CTC の内部言語モデルの欠如を補い、精度を向上させます。
   • 空のトークンが不要になります
   • ネットワークをトレーニングする必要がなくなります
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