| NUMMER: | 141044 |
| KÜRZEL: | AutSprEr |
| MODULBEAUFTRAGTE:R: | Prof. Dr.-Ing. Dorothea Kolossa |
| DOZENT:IN: | Prof. Dr.-Ing. Dorothea Kolossa |
| FAKULTÄT: | Fakultät für Elektrotechnik und Informationstechnik |
| SPRACHE: | Deutsch |
| SWS: | 4 SWS |
| CREDITS: | 6 CP |
| ANGEBOTEN IM: | jedes Sommersemester |
PRÜFUNGEN
| FORM: | schriftlich |
| TERMIN: | Siehe Prüfungsamt. |
LERNFORM
Vorlesung und Praxisübungen
LERNZIELE
Die Teilnehmer verstehen die theoretischen und praktischen Grundlagen automatischer Spracherkennungssysteme.Sie sind in der Lage, die Kernalgorithmen eines einfachen Spracherkenners
selbststaendig zu implementieren und verstehen die Prinzipien von aktuellen Erkennungssystemen
für kleines und großes Vokabular. Dabei wird auch ein Verstandnis für die
Entwicklung von automatischen Mustererkennungsverfahren für ein breites Anwendungsfeld
entwickelt.
INHALT
Die Vorlesung vermittelt Grundlagen und Algorithmen der maschinellen Spracherkennungin der Form, in der sie in aktuellen Systemen zur Erkennung fließender Sprache eingesetzt
werden.
Die folgenden Themenwerden behandelt:
∙ Grundlagen: Phonetik, Sprachwahrnehmung
∙ Statistische Methoden: Klassifikation, Schaetztheorie
∙ Klassifikation mittels Deep Neural Networks
∙ Merkmalsextraktion: Merkmale im Zeit- und Frequenzbereich, Cepstralanalyse
∙ Spracherkennung mit Hidden Markov Modellen: Algorithmen, Modellinitialisierung,
Baum-Welch-Reestimation, Numerische Aspekte, Systeme zur Einzel- und Verbundworterkennung,
HMM/DNN-SystemeGleichzeitig werden in einem Programmierpraktikum
die eingefuhrten Methoden angewandt.
Die Uebung ist projektorientiert; alle Uebungsaufgaben zusammengenommen ergeben einen
Verbundworterkenner für fließend gesprochene Ziffernketten. Dieser wird in Arbeitsgruppen
von 2-3 Studenten erarbeitet.
VORAUSSETZUNGEN CREDITS
Bestandene Modulabschlussprüfung
EMPFOHLENE VORKENNTNISSE
∙ Grundkenntnisse der digitalen Signalverarbeitung und der Wahrscheinlichkeitsrechnung∙ Grundlegende Programmierkenntnisse