แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการจำแนกประเภทชั่วคราวของ Connectionist

เรียนรู้ว่า CTC ลดการจัดแนวระหว่างเฟรมอินพุตที่ไม่ได้แบ่งส่วนและลำดับเอาต์พุต เช่น การถอดเสียงการรู้จำเสียงพูดได้อย่างไร

เส้นทางแนะนำที่เกี่ยวข้องการจำแนกประเภทชั่วคราวของ Connectionist
คำถาม 1 ของ 8

ปัญหาหลักใดที่ CTC ได้รับการออกแบบมาเพื่อแก้ไขสำหรับการรู้จำเสียงพูด

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ปัญหาหลักใดที่ CTC ได้รับการออกแบบมาเพื่อแก้ไขสำหรับการรู้จำเสียงพูด
    • การจัดแนวเฟรมเสียงที่ไม่ได้แบ่งส่วนเพื่อส่งออกข้อความโดยไม่มีป้ายกำกับระดับเฟรม
    • การบีบอัดไฟล์เสียงเพื่อการจัดเก็บ
    • การแปลคำพูดจากภาษาหนึ่งเป็นอีกภาษาหนึ่ง
    • การลบเสียงรบกวนพื้นหลังออกจากการบันทึก
  2. โทเค็น 'ว่าง' พิเศษใน CTC ใช้ทำอะไร
    • เพื่อทำเครื่องหมายท้ายประโยคทั้งหมดเท่านั้น
    • เพื่อแสดงถึง 'ไม่มีเอาต์พุตใหม่ที่นี่' และเพื่อแยกอักขระซ้ำของแท้
    • เพื่อจัดเก็บความน่าจะเป็นของแบบจำลองภาษา
    • เพื่อบ่งบอกถึงความเงียบในรูปคลื่นเสียงต้นฉบับ
  3. CTC คำนวณการสูญเสียสำหรับการถอดรหัสเป้าหมายอย่างไร
    • โดยจะเลือกการจัดตำแหน่งเดียวที่เป็นไปได้มากที่สุดและไม่สนใจส่วนที่เหลือ
    • มันเปรียบเทียบค่าพิกเซลแบบเฟรมต่อเฟรม
    • โดยจะรวมความน่าจะเป็นของเส้นทางเฟรมที่ถูกต้องทั้งหมดที่ยุบลงในข้อความเป้าหมาย
    • โดยจะเฉลี่ยแอมพลิจูดของเสียงเมื่อเวลาผ่านไป
  4. กฎการยุบสองข้อที่ CTC ใช้เพื่อเปลี่ยนเส้นทางเฟรมเป็นข้อความสุดท้ายคืออะไร
    • ใช้อักษรตัวพิมพ์ใหญ่ แล้วเพิ่มเครื่องหมายวรรคตอน
    • กลับลำดับแล้วลบสระออก
    • เพิ่มช่องว่าง จากนั้นแปลเป็นหน่วยเสียง
    • รวมอักขระที่ซ้ำกันติดต่อกัน จากนั้นลบโทเค็นเปล่า
  5. CTC มาตรฐานมีสมมติฐานอะไรที่ทำให้ง่ายขึ้นเกี่ยวกับผลลัพธ์ของมัน
    • การทำนายของแต่ละเฟรมจะเป็นอิสระจากเฟรมอื่นๆ ที่ได้รับเสียงอย่างมีเงื่อนไข
    • ผลลัพธ์ขึ้นอยู่กับอักขระที่ปล่อยออกมาก่อนหน้านี้เป็นอย่างมาก
    • เสียงต้องมีความยาวหนึ่งวินาทีพอดี
    • ตัวละครทุกตัวใช้เวลาหนึ่งเฟรมเท่านั้น
  6. เหตุใดการค้นหาลำแสงด้วยโมเดลภาษาที่หลอมรวมจึงมักนิยมมากกว่าการถอดรหัสโลภใน CTC
    • มันทำงานเร็วขึ้นในทุกอุปกรณ์
    • มันชดเชยการขาดโมเดลภาษาภายในของ CTC และปรับปรุงความแม่นยำ
    • โดยไม่จำเป็นต้องใช้โทเค็นเปล่าอีกต่อไป
    • ช่วยลดความจำเป็นในการฝึกอบรมเครือข่าย
  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