पिछले अध्याय

49. एंड-टू-एंड सीखने का पेशेवरों और विपक्ष

हम भाषण मान्यता प्रणाली पर विचार करना जारी रखते हैं:

इस कन्वेयर के अधिकांश तत्व मशीन लर्निंग (लोगों द्वारा विकसित या हाथ से डिजाइन) के उपयोग के बिना बनाए गए हैं:

• MFCC , आवृत्तियों के साथ गणितीय जोड़तोड़ द्वारा निकाली गई ध्वनि सुविधाओं का एक सेट है जिसमें लर्निंग एल्गोरिदम की आवश्यकता नहीं होती है। यह अप्रासंगिक जानकारी के नुकसान के साथ आने वाले सिग्नल का एक सुविधाजनक दृढ़ संकल्प प्रदान करता है।
• फोनीम्स - भाषाविदों का आविष्कार। उनका उपयोग करते हुए, लाइव भाषण की आवाज़ का एक सरलीकृत मॉडल बनाया जाता है। किसी जटिल परिघटना के किसी भी मॉडल की तरह, फोनीमेस परिपूर्ण नहीं हैं, जिस प्रणाली का वे एक हिस्सा हैं, उसकी गुणवत्ता वास्तविकता के उनके अपूर्ण प्रतिबिंब द्वारा सीमित है।

एक ओर, गैर-सीखने वाले एल्गोरिदम (हाथ से चलने वाले घटक) भाषण प्रणाली के संभावित प्रदर्शन को सीमित करते हैं। दूसरी ओर, उनके उपयोग के कुछ फायदे हैं:

• एमएफसीसी के कार्य भाषण के कुछ गुणों के प्रति प्रतिरोधी हैं जो कि कही गई बातों के अर्थ को प्रभावित नहीं करते हैं, उदाहरण के लिए, आवाज की टन। उनका आवेदन प्रशिक्षित एल्गोरिथ्म के लिए कार्य को सरल करता है।
• फोनीम्स , अगर वे सही ढंग से वास्तविक भाषण की आवाज़ों को दर्शाते हैं, तो बुनियादी ध्वनि तत्वों को पकड़ने के लिए सीखने के एल्गोरिदम की मदद करते हैं, अपने काम की गुणवत्ता में सुधार करते हैं

:

, (hand-engineered), . , , , (hand-engineered pipeline).

, , MFCC . , , , , , .

, , , « » — . , ( , ). , , .

, , . . . , (hand engineering).

, , . .

50. :

? . .
:

. , , . (, Amazon Mechanical Turk) . , .

, :

, , (: , ). , . . , . . .

सामान्य तौर पर, यदि कन्वेयर के "मध्यवर्ती मॉड्यूल" (जैसे कार डिटेक्टर या पैदल यात्री डिटेक्टर) के प्रशिक्षण के लिए बड़े नमूने उपलब्ध हैं, तो आप कई घटकों से मिलकर एक कन्वेयर का उपयोग करने पर विचार कर सकते हैं। यह गैर-क्रॉस-कटिंग दृष्टिकोण बेहतर होगा, क्योंकि यह आपको सभी उपलब्ध डेटा का उपयोग करने की अनुमति देता है।

मेरा मानना ​​है कि जब तक एंड-टू-एंड सिस्टम के प्रशिक्षण के लिए अधिक डेटा नहीं है, तब तक एक गैर-एंड-टू-एंड (पाइपलाइन) दृष्टिकोण स्वायत्त ड्राइविंग सिस्टम के विकास के लिए बहुत अधिक आशाजनक है: इसकी वास्तुकला उपलब्ध डेटा से बेहतर रूप से मेल खाती है।

विस्तार