Sparse Coding Approaches to Language Acquisition

语言习得的稀疏编码方法

• 批准号: 200293401
• 负责人: Professor Dr.-Ing. Reinhold Häb-Umbach
• 金额: --
• 依托单位: Institut für Elektrotechnik und Informationstechnik
• 依托单位国家: 德国
• 项目类别: Priority Programmes
• 财政年份: 2011
• 资助国家: 德国
• 起止时间: 2010-12-31 至 2015-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/200293401?language=en
• 关键词: Sparse; Coding; Approaches; Language; Acquisition

Ziel dieses Projektes ist die Entwicklung eines Systems zum Lernen von Referenzmustern für das unüberwachte Erlernen einer Sprache. Die Maschine soll wiederkehrende Muster in dem kontinuierlich gesprochenen Eingangssprachsignal entdecken und ein Inventar von Einheiten erlernen, und zwar auf zwei verschiedenen Abstraktionsebenen: zum Einen auf der Ebene der Laute und zum Anderen auf der Ebene der Wörter. Es sollen Verfahren aus dem Gebiet der spärlichen Kodierung eingesetzt werden, um eine Repräsentation des Sprachsignals zu finden, bei der die Darstellung des Sprachsignals im Kurzzeit-Spektralbereich durch eine Linearkombination von Basisvektoren angenähert wird. Während nichtnegative Matrixfaktorisierung (NMF) auf Sprache bereits eingesetzt worden ist, gibt es andere Verfahren, welche nicht die Nichtnegativität der Matrixelemente voraussetzen, so dass sie besser geeignet sind, um sie auf die üblichen Parametrisierungen von Sprachsignalen, etwa die Mel-Frequenz Cepstralen Koeffizienten, anzuwenden. Ein vielversprechendes Verfahren ist die k-Singulärwertzerlegung (k-SVD), die bisher vornehmlich im Computersehen eingesetzt worden ist. Alle diese Lernverfahren müssen jedoch erweitert werden, damit sie, zusätzlich zu dem Erlernen der typischen spektralen Muster, auch die zeitliche Korrelation von Sprachsignalen erfassen können. Dazu sollen Ansätze aus dem Bereich der dynamischen Zeitanpassung und der ”hidden” Markovmodell-basierten Spracherkennung verwendet werden. Auf der ersten, unteren Stufe der Dekomposition des Eingangssprachsignals sollen wiederkehrende Lauteinheiten entdeckt werden. Auf der zweiten, höheren Abstraktionsebene werden mit ähnlichen Verfahren wie auf der ersten Ebene Wort- oder Phraseneinheiten erlernt, basierend auf einer Beschreibung der unteren Ebene mit Hilfe von n-Grammen, d.h. von Häufigkeiten von Lautfolgen. Die untere Ebene soll dabei Posteriorwahrscheinlichkeiten an die obere Ebene weitergeben, um eine vorzeitige definitive Entscheidung über Laute zu vermeiden.

Projektes是逃脱系统的最佳方法。 Projektes是应对最新趋势的最佳方法。 Projektes是回应未来最新趋势的最佳方法。 Projektes是回应未来最新趋势的最佳方法。世界是一个重要的知识来源，世界是知识的重要来源，世界是知识的重要来源，世界是知识的重要来源。世界是一个重要的知识来源，世界是知识的重要来源，知识世界是一个重要的知识来源。自愿的参数sirsierungen，sprachsignalen的传播，世界的传播是传播这个词的绝佳机会。自愿的参数siristrissierungen，Sprachsignalen的传播，世界的传播是一个绝佳的死亡机会。自愿的参数式Insierungen（K-SVD），计算机的模具是一个不错的机会。 Sie，ZusätzlichZu dem erlernen der typischen spektralen muster，auch die zeitliche korrelation von sprachsignalen erfassenkönnen。 DazuSollenAnsätzeAusdem dynyschen Zeitanpassung和“隐藏” Markovmodell-Basierten Spracherkennung Verwendet Werden。 auf der ersten，未遗产的dekomposition des eingangssprachsignals sollen wiederkehrende lauteinheiten entdeckt werden。 auf der zweiten，höherenAbstraktionsebene werden mit；冯·赫菲格基（VonHäufigkeiten）von lautfolgen。 Die Untere Ebene Soll dabei posteriorwahrscheinlichkeiten a obere ebene weitergeben，um eine vorzeitige distive dectistalige dectistaligeeentscheidcheidungüberlaute leute zu zu vermeiden。

项目成果

Iterative Bayesian word segmentation for unsupervised vocabulary discovery from phoneme lattices

• DOI: 10.1109/icassp.2014.6854364
• 发表时间: 2014-05
• 期刊: 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
• 作者: Jahn Heymann;Oliver Walter;Reinhold Häb-Umbach;B. Raj