Grundlagen der automatischen Spracherkennung

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
WORKLOAD: 180 h
ANGEBOTEN IM: jedes Sommersemester

BESTANDTEILE UND VERANSTALTUNGSART

a) Vorlesung Grundlagen der automatischen
Spracherkennung (141044)

PRÜFUNGEN

FORM: schriftlich
ANMELDUNG:
DATUM: 0000-00-00
BEGINN: 00:00:00
DAUER: 120 min
RAUM:

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 Spracherkennung
in 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

Keine

VORAUSSETZUNGEN CREDITS

Bestandene Modulabschlussprüfung

EMPFOHLENE VORKENNTNISSE

∙ Grundkenntnisse der digitalen Signalverarbeitung und der Wahrscheinlichkeitsrechnung
∙ Grundlegende Programmierkenntnisse

LITERATUR

AKTUELLE INFORMATIONEN

SONSTIGE INFORMATIONEN