Bài kiểm tra phân loại thời gian theo chủ nghĩa kết nối

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. CTC được thiết kế để giải quyết vấn đề cốt lõi nào cho việc nhận dạng giọng nói?
   • Căn chỉnh các khung âm thanh không được phân đoạn để xuất văn bản mà không có nhãn cấp khung
   • Nén tập tin âm thanh để lưu trữ
   • Dịch lời nói từ ngôn ngữ này sang ngôn ngữ khác
   • Loại bỏ tiếng ồn nền khỏi bản ghi
2. Mã thông báo 'trống' đặc biệt trong CTC được sử dụng để làm gì?
   • Chỉ đánh dấu phần cuối của toàn bộ câu
   • Để thể hiện 'không có đầu ra mới ở đây' và để phân tách các ký tự lặp lại chính hãng
   • Để lưu trữ xác suất mô hình ngôn ngữ
   • Để biểu thị sự im lặng trong dạng sóng âm thanh gốc
3. CTC tính toán tổn thất cho phiên mã mục tiêu như thế nào?
   • Nó chọn căn chỉnh có khả năng nhất và bỏ qua phần còn lại
   • Nó so sánh các giá trị pixel theo từng khung hình
   • Nó tính tổng xác suất của tất cả các đường dẫn khung hợp lệ thu gọn vào văn bản đích
   • Nó tính trung bình biên độ âm thanh theo thời gian
4. Hai quy tắc thu gọn mà CTC áp dụng để biến đường dẫn khung thành văn bản cuối cùng là gì?
   • Viết hoa chữ cái rồi thêm dấu câu
   • Đảo ngược trình tự, sau đó loại bỏ nguyên âm
   • Thêm dấu cách rồi dịch sang âm vị
   • Hợp nhất các ký tự lặp lại liên tiếp, sau đó xóa các mã thông báo trống
5. CTC tiêu chuẩn đưa ra giả định đơn giản hóa nào về kết quả đầu ra của nó?
   • Dự đoán của mỗi khung hình độc lập có điều kiện với các khung hình khác được cung cấp âm thanh
   • Đầu ra phụ thuộc nhiều vào các ký tự được phát ra trước đó
   • Âm thanh phải dài đúng một giây
   • Mỗi ký tự chiếm đúng một khung hình
6. Tại sao tìm kiếm chùm tia với mô hình ngôn ngữ hợp nhất thường được ưa thích hơn giải mã tham lam trong CTC?
   • Nó chạy nhanh hơn trên mọi thiết bị
   • Nó bù đắp cho việc CTC thiếu mô hình ngôn ngữ nội bộ, cải thiện độ chính xác
   • Nó loại bỏ sự cần thiết của mã thông báo trống
   • Nó loại bỏ sự cần thiết phải đào tạo mạng
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