Název:

Systémy zpracování řeči

Zkratka:SRE
Ak.rok:ukončen 2014/2015 (není otevřen)
Semestr:zimní
Studijní plán:
ProgramOborRočníkPovinnost
IT-MGR-2MBI-volitelný
IT-MGR-2MBS-volitelný
IT-MGR-2MGM2.volitelný
IT-MGR-2MIN-povinně volitelný - skupina I
IT-MGR-2MIS-volitelný
IT-MGR-2MMI-volitelný
IT-MGR-2MMM-volitelný
IT-MGR-2MPV-volitelný
IT-MGR-2MSK-volitelný
Vyučovací jazyk:čeština
Informace veřejné:http://www.fit.vutbr.cz/study/courses/SRE/public/
Kredity:5 kreditů
Ukončení:zkouška (písemná)
Výuka:
hod./sempřednáškasem./cvičenílab. cvičenípoč. cvičeníjiná
Rozsah:3900013
 zkouškatestycvičenílaboratořeostatní
Body:51150034
Garant:Černocký Jan, doc. Dr. Ing., UPGM
Přednášející:Burget Lukáš, doc. Ing., Ph.D., UPGM
Černocký Jan, doc. Dr. Ing., UPGM
Smrž Pavel, doc. RNDr., Ph.D., UPGM
Fakulta:Fakulta informačních technologií VUT v Brně
Pracoviště:Ústav počítačové grafiky a multimédií FIT VUT v Brně
Prerekvizity: 
Zpracování řečových signálů (ZRE), UPGM
 
Cíle předmětu:
  Rozšířit vědomosti o stavbě jazyka (fonetika, fonologie) a zorientovat se ve statistických klasifikátorech. Získat přehled o pokročilých metodách rozpoznávání a kódování řeči. Seznámit se s pokročilými metodami jazykového modelování a syntaktické analýzy.

Anotace:
  Fonetika a fonologie. Statistické rozpoznávání vzorů. Trénování a adaptace HMM. Rozpoznávání HMM. Rozpoznávání fonémů. Detekce klíčových slov a vyhledávání. Identifikace a verifikace mluvčího. Identifikace jazyka. Kódování řeči CELP. Jazykové modelování. Psycholingvistika. Pravděpodobnostní parsování.

Získané dovednosti, znalosti a kompetence:
  Studenti si rozšíří vědomosti získané v základním kursu o zpracování řečových signálů a zpracování přirozeného jazyka. Získají přehled o metodách v současnosti implementovaných v průmyslových aplikacích (GSM telefony nebo komerčně dostupné rozpoznávače).  Seznámí se s perspektivními metodami existujícími ve výzkumné oblasti.  Prohloubí své znalosti zpracování přirozeného jazyka a jazykového modelování. Absolvování předmětu umožní posluchači realizovat jednoduché aplikace jako např. hlasové ovládání programu, ale především se zapojit do vývoje komplexních systémů pro zpracování řeči v akademické i průmyslové sféře.
Osnova přednášek:
 
  1. Fonetika a fonologie - struktura slabik, fonologické procesy a rozlišující rysy.
  2. Statistické rozpoznávání vzorů I. - Bayesovský rámec, Maximum likelihood učení, Gaussian mixture models. Parametry pro GMM modelování.
  3. Statistické rozpoznávání vzorů II. - umělé neuronové sítě, Support vector machines. Modelování sekvencí - skryté Markovovy modely HMM.
  4. Trénování a adaptace HMM  - MLLR, MAP, diskriminativníé trénování.
  5. Rozpoznávání HMM  - výslovnostní slovníky, rozpoznávací sítě, jazykový model, dekódování, lattices.
  6. Rozpoznávání fonémů. Detekce klíčových slov a vyhledávání - LVCSR, akustické, fonémové lattices. Figure of Merit.
  7. Identifikace a verifikace mluvčího - GMM, SVM. Normalizace a adaptace na přenosový kanál - feature mapping, eigen-voices a nuissance attributes projection (NAP). Vyhodnocení ověřování mluvčího - DET křivky, EER, cost function.
  8. Identifikace jazyka - akustická vs. fonotaktická, vyhodnocení.
  9. Kódování řeči - CELP - adaptivní a stochastická kódová kniha, GSM standardy.
  10. Jazykové modelování I. - n-gramové modely, modely založené na třídách.
  11. Jazykové modelování  II. - příznaky specifické pro jazyk, factored-language models
  12. Psycholingvistika - model rozpoznávání slov, slovní asociace. 
  13. Pravděpodobnostní parsování - algoritmus inside-outside, závislostní parsování.
Literatura referenční:
 
  • Gussenhoven, J. and Jacobs, H.: Understanding Phonology, Oxford University Press, 1998, ISBN: 0-340-69218-9
  • Psutka, J.: Komunikace s počítačem mluvenou řečí. Academia, Praha, 1995, ISBN 80-200-0203-0.
  • Gold, B., Morgan, N.: Speech and audio signal processing, John Wiley & Sons, 2000, ISBN 0-471-35154-7.
  • Moore, B.C.J.: An introduction to the psychology of hearing, Academic Press, 1989, ISBN 0-12-505627-3.
  • Jelinek, F.: Statistical Methods for Speech Recognition, MIT Press, 1998, ISBN 0-262-10066-5.
  • Manning, C. and Schütze, H.: Foundations of Statistical Natural Language Processing, MIT Press. Cambridge, MA: May 1999.
Literatura studijní:
 
  • Psutka, J.: Komunikace s počítačem mluvenou řečí. Academia, Praha, 1995, ISBN 80-200-0203-0.
  • Gold, B., Morgan, N.: Speech and audio signal processing, John Wiley & Sons, 2000, ISBN 0-471-35154-7.
Průběžná kontrola studia:
  
  • půlsemestrální test - 20b
  • prezentace projektů - 30b
  • zkouška - 50b