Your SlideShare is downloading. ×
0
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Ses tanima
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Ses tanima

1,505

Published on

Ses Tanıma ile Hazırladığım bir Slaytç

Ses Tanıma ile Hazırladığım bir Slaytç

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,505
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
18
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1.  
  • 2.  
  • 3.  
  • 4. <ul><li>Öznitelik Çıkarımı </li></ul><ul><li>F re kans Spektrumu Katsayıları </li></ul>Özellik ve k t ö r leri
  • 5. <ul><li>A k usti k İnceleme </li></ul><ul><li>Gizli Durum </li></ul><ul><li>A k usti k İnceleme Benzerlikleri </li></ul>
  • 6. “ Six”
  • 7.  
  • 8. <ul><li>Konuşma birimleri inşa etme </li></ul><ul><li>Nitelik benzerlikleri üretme </li></ul><ul><li>Örnekleme oranı kritiktir ! </li></ul><ul><li>WSJ vs. WSJ_8k </li></ul><ul><li>TIDIGITS, RM1, AN4, HUB4 </li></ul>
  • 9. <ul><li>Kelime Benzerlikleri </li></ul>
  • 10. <ul><li>ARPA format Example: </li></ul><ul><li>1-grams: </li></ul><ul><li>-3.7839 board -0.1552 </li></ul><ul><li>-2.5998 bottom -0.3207 </li></ul><ul><li>-3.7839 bunch -0.2174 </li></ul><ul><li>2-grams: </li></ul><ul><li>-0.7782 as the -0.2717 </li></ul><ul><li>-0.4771 at all 0.0000 </li></ul><ul><li>-0.7782 at the -0.2915 </li></ul><ul><li>3-grams: </li></ul><ul><li>-2.4450 in the lowest </li></ul><ul><li>-0.5211 in the middle </li></ul><ul><li>-2.4450 in the on </li></ul>
  • 11. <ul><li>public <basicCmd> = <startPolite> <command> <endPolite>; </li></ul><ul><li>public <startPolite> = (please | kindly | could you ) *; </li></ul><ul><li>public <endPolite> = [ please | thanks | thank you ]; </li></ul><ul><li><command> = <action> <object>; </li></ul><ul><li><action> = (open | close | delete | move); </li></ul><ul><li><object> = [the | a] (window | file | menu); </li></ul>
  • 12. <ul><li>Ses birimleri için kelime haritaları </li></ul>
  • 13. <ul><li>cmudict.06d ‘da bir örnek </li></ul><ul><li>POULTICE P OW L T AH S </li></ul><ul><li>POULTICES P OW L T AH S IH Z </li></ul><ul><li>POULTON P AW L T AH N </li></ul><ul><li>POULTRY P OW L T R IY </li></ul><ul><li>POUNCE P AW N S </li></ul><ul><li>POUNCED P AW N S T </li></ul><ul><li>POUNCEY P AW N S IY </li></ul><ul><li>POUNCING P AW N S IH NG </li></ul><ul><li>POUNCY P UW NG K IY </li></ul>
  • 14. <ul><li>HMM arama grafları inşa etme : </li></ul><ul><ul><li>A k usti k model </li></ul></ul><ul><ul><li>İstatistik dil modeli </li></ul></ul><ul><ul><li>Gra mer </li></ul></ul><ul><ul><li>Sözlük </li></ul></ul>
  • 15.  
  • 16.  
  • 17. <ul><li>Statik ve dinamik olarak inşa edilebilir </li></ul>
  • 18. <ul><li>Düz ( FlatLinguist ) </li></ul><ul><li>Dinamik düz ( DynamicFlatLinguist ) </li></ul><ul><li>Sözcük Ağaçları ( LexTreeLinguist ) </li></ul>
  • 19. <ul><li>Arama Grafları için harita özellik vektörleri </li></ul>
  • 20. <ul><li>En uyumlu için grafı arama </li></ul><ul><li>P(sequence of feature vectors| word/phone) </li></ul><ul><li>aka. P(O|W) </li></ul><ul><li>-> Giriş nasıl kelimelere benzetilir. </li></ul>
  • 21. <ul><li>F ay ay ay ay v v v v v </li></ul><ul><li>F f ay ay ay ay v v v v </li></ul><ul><li>F f f ay ay ay ay v v v </li></ul><ul><li>F f f f ay ay ay ay v v </li></ul><ul><li>F f f f ay ay ay ay ay v </li></ul><ul><li>F f f f f ay ay ay ay v </li></ul><ul><li>F f f f f f ay ay ay v </li></ul><ul><li>… </li></ul>
  • 22. Time O1 O2 O3
  • 23. <ul><li>Algoritma kullanarak düşük değerler ayıklanır </li></ul>
  • 24. <ul><li>Kelimeler ! </li></ul>
  • 25. <ul><li>En çok kullanılan ölçü </li></ul><ul><li>Referans cümle içinden dönüştürürken değişiklikler </li></ul>
  • 26. <ul><li>Refer ans : “This is a reference sentence.” </li></ul><ul><li>Sonuç : “This is neuroscience.” </li></ul><ul><li>2 Silme 1 Değiştirme Gerekli </li></ul>
  • 27. <ul><li>Refer ans : “This is a reference sentence.” </li></ul><ul><li>Sonuç : “This is neuroscience.” </li></ul>
  • 28. <ul><li>Refer ans : “This is a reference sentence.” </li></ul><ul><li>Sonuç : “This is neuroscience.” </li></ul><ul><li>D S D </li></ul>
  • 29.  
  • 30.  
  • 31.  
  • 32.  
  • 33.  
  • 34.  
  • 35.  
  • 36.  
  • 37.  
  • 38.  
  • 39.  
  • 40. <ul><li>Çoklu konuşma engellenirse </li></ul><ul><li>Tek kişi konuşurken </li></ul>
  • 41. * Eğer girişte gürültü var ise hata oranı 2 katına çıkar
  • 42. <ul><li>Diğer Değişkenler : </li></ul><ul><li>- Sürekli vs. Yalıtılmış </li></ul><ul><li>- Konuşma vs. Okuma </li></ul><ul><li>- Lehçe </li></ul>
  • 43. <ul><li>Sorular ? </li></ul>
  • 44. Time O1 O2 O3
  • 45. Time O1 O2 O3 P(ay | f) * P(O2|ay) P(f|f) * P(O2 | f)
  • 46. Time O1 O2 O3 P (O1) * P(ay | f) * P(O2|ay)
  • 47. Time O1 O2 O3
  • 48. <ul><li>Sphinx4 Sık Sorulan Sorular: http://cmusphinx.sourceforge.net/sphinx4/doc/Sphinx4-faq.html </li></ul>
  • 49. <ul><li>Soru . Arama grafı her tanıma sonucu için mi yoksa bir tanıma uygulaması için mi üretilir? </li></ul><ul><li>Cevap . Hangi Dilbilimini kullandığımıza göre değişir. Düz ( The flat linguist ) arama grafı oluşturur ve onu hafızada saklar . Küçük kelimeler için kullanılır . Sözcük Ağaçı </li></ul><ul><li>( Th e lexTreeLinguist ) dinamik olarak arama graflarını düzenler.Böylece büyük kelimelere ulaşım kolaylaşır. </li></ul>
  • 50. <ul><li>Soru . Ayrıştırıcı hangi algoritmayı kullanır ? </li></ul><ul><li>Cevap . Sphinx4 mutlak ve bağıl sinyal ayrıştırma </li></ul><ul><li>kullanır. </li></ul>
  • 51. <ul><li>Mutlak Sinyal Genişliği - # aktif arama yolu </li></ul><ul><li><property name=&quot;absoluteBeamWidth&quot; value=&quot;5000&quot;/> </li></ul><ul><li>Bağıl Sinyal Genişliği – Eşik olasılığı </li></ul><ul><li><property name=&quot;relativeBeamWidth&quot; value=&quot;1E-120&quot;/> </li></ul><ul><li>Kelime Ekleme Olasılığı – </li></ul><ul><li><property name=&quot;wordInsertionProbability&quot; value=&quot;0.7&quot;/> </li></ul><ul><li>Dil Ağırlık – Dil modeli puanları artırır. </li></ul><ul><li><property name=&quot;languageWeight&quot; value=&quot;10.5&quot;/> </li></ul>
  • 52. <ul><li>Sessizlik girişi Olasılığı </li></ul><ul><li><property name=&quot;silenceInsertionProbability&quot; value=&quot;.1&quot;/> </li></ul><ul><li>Dolgu girişi olasılığı </li></ul><ul><li><property name=&quot;fillerInsertionProbability&quot; value=&quot;1E-10&quot;/> </li></ul>
  • 53. <ul><li>Python ”da Java örneği : </li></ul><ul><li>import subprocess </li></ul><ul><li>subprocess.call([&quot;java&quot;, &quot;-mx1000m&quot;, &quot;-jar&quot;, </li></ul><ul><li>&quot;/Users/Username/sphinx4/bin/Transcriber.jar”) </li></ul>
  • 54. <ul><li>Speech and Language Processing 2 nd Ed. Daniel Jurafsky and James Martin Pearson, 2009 </li></ul><ul><li>Artificial Intelligence 6 th Ed. George Luger Addison Wesley, 2009 </li></ul><ul><li>Sphinx Whitepaper http://cmusphinx.sourceforge.net/sphinx4/#whitepaper </li></ul><ul><li>Sphinx Forum https://sourceforge.net/projects/cmusphinx/forums </li></ul>

×