Hidden-Markov-Modelle (HMM) und parametrische
Wahrscheinlichkeitsdichteschätzungen bilden den Kern
heutiger Spracherkennerarchitekturen. Während
Hidden-Markov-Modelle die zeitliche Variabilität der
Sprache gut modellieren, ist es möglich, die
akustischen Komponenten sehr viel robuster durch
verteilungsfreie Klassifikatoren abzubilden. Zu
dieser Gruppe gehört auch die Support-Vector-Machine
(SVM), ein elegantes und in vielen Anwendungen
nachweislich sehr erfolgreiches Lernverfahren zur
Musterklassifikation. In dem vorliegenden Buch wird
eine Möglichkeit zur Kombination der Vorteile beider
Ansätze zu einem hybriden Gesamtkonzept vorgestellt.
Neben der Einführung in die Spracherkennung und der
Theorie von Support-Vector-Machines gibt der Autor
einen umfassenden Einblick in die eigens entwickelte
und frei verfügbare SVM-Trainings- und -Testsoftware
für segmentierte Sprachdaten. Auf Grundlage dieser
kombinierten Architektur wird die Leistung des
Spracherkenners algorithmisch realisiert,
experimentell untersucht und bewertet. Das Buch
richtet sich an Entwickler und Forscher, aber auch an
Studenten des höheren Semesters.
Wahrscheinlichkeitsdichteschätzungen bilden den Kern
heutiger Spracherkennerarchitekturen. Während
Hidden-Markov-Modelle die zeitliche Variabilität der
Sprache gut modellieren, ist es möglich, die
akustischen Komponenten sehr viel robuster durch
verteilungsfreie Klassifikatoren abzubilden. Zu
dieser Gruppe gehört auch die Support-Vector-Machine
(SVM), ein elegantes und in vielen Anwendungen
nachweislich sehr erfolgreiches Lernverfahren zur
Musterklassifikation. In dem vorliegenden Buch wird
eine Möglichkeit zur Kombination der Vorteile beider
Ansätze zu einem hybriden Gesamtkonzept vorgestellt.
Neben der Einführung in die Spracherkennung und der
Theorie von Support-Vector-Machines gibt der Autor
einen umfassenden Einblick in die eigens entwickelte
und frei verfügbare SVM-Trainings- und -Testsoftware
für segmentierte Sprachdaten. Auf Grundlage dieser
kombinierten Architektur wird die Leistung des
Spracherkenners algorithmisch realisiert,
experimentell untersucht und bewertet. Das Buch
richtet sich an Entwickler und Forscher, aber auch an
Studenten des höheren Semesters.