Викторина по временной классификации коннекционистов

Ответы и пояснения появляются по мере прохождения теста.

1. Какую основную проблему был разработан CTC для распознавания речи?
   • Выравнивание несегментированных аудиокадров для вывода текста без меток на уровне кадра
   • Сжатие аудиофайлов для хранения
   • Перевод речи с одного языка на другой
   • Удаление фонового шума из записей
2. Для чего используется специальный «пустой» токен в CTC?
   • Только для обозначения конца всего предложения
   • Чтобы представить «здесь нет нового вывода» и отделить подлинные повторяющиеся символы.
   • Чтобы сохранить вероятность языковой модели
   • Для обозначения тишины в исходной форме аудиосигнала
3. Как CTC вычисляет потерю целевой транскрипции?
   • Он выбирает единственное наиболее вероятное мировоззрение и игнорирует остальные.
   • Он сравнивает значения пикселей кадр за кадром
   • Он суммирует вероятности всех допустимых путей кадров, которые схлопываются до целевого текста.
   • Он усредняет амплитуду звука с течением времени.
4. Какие два правила свертывания применяются CTC для преобразования пути кадра в окончательный текст?
   • Напишите буквы с заглавной буквы, затем расставьте знаки препинания.
   • Обратную последовательность, затем удалите гласные
   • Добавьте пробелы, затем переведите в фонемы
   • Объедините последовательные повторяющиеся символы, затем удалите пустые токены
5. Какое упрощающее предположение делает стандартный CTC относительно своих результатов?
   • Прогноз каждого кадра условно независим от других, учитывая звук.
   • Выводы сильно зависят от ранее выпущенных символов.
   • Звук должен длиться ровно одну секунду.
   • Каждый персонаж занимает ровно один кадр
6. Почему лучевой поиск с объединенной языковой моделью часто предпочтительнее жадного декодирования в CTC?
   • Он работает быстрее на каждом устройстве
   • Это компенсирует отсутствие внутренней языковой модели у CTC, повышая точность.
   • Это устраняет необходимость в пустом токене
   • Это устраняет необходимость обучения сети
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