Im Mittelpunkt der Arbeit steht die Optimierung der Erkennungsgenauigkeit eines Systems zur automatischen Erkennung gesprochener Sprache. Dazu werden diskriminative Methoden zur Schtäzung der Parameter von Hidden-Markov-Modellen verwendet. Im Hinblick auf eine einfache, schnelle und direkte Anwendbarkeit wird das Minimum-Classification-Error-Trainingsverfahren algorithmisch weiterentwickelt. Unter anderem wird eine Methode zur einfachen Bestimmung der Schrittweite für das verwendete Gradientenverfahren vorgestellt. Der Nachweis der Wirksamkeit der Verfahren erfolgt anhand umfangreicher und konsistenter Experimente mit unmittelbarem Bezug zu realen Anwendungen.
«
Im Mittelpunkt der Arbeit steht die Optimierung der Erkennungsgenauigkeit eines Systems zur automatischen Erkennung gesprochener Sprache. Dazu werden diskriminative Methoden zur Schtäzung der Parameter von Hidden-Markov-Modellen verwendet. Im Hinblick auf eine einfache, schnelle und direkte Anwendbarkeit wird das Minimum-Classification-Error-Trainingsverfahren algorithmisch weiterentwickelt. Unter anderem wird eine Methode zur einfachen Bestimmung der Schrittweite für das verwendete Gradientenve...
»