Sprachverstehen (SV)5 ECTS
(englische Bezeichnung: Speech Understanding)

Lectures:

• • Sprachverstehen
    (Vorlesung, 2 SWS, Elmar Nöth, Tue, 14:15 - 15:45, 01.151-128)
  • Sprachverstehen Übung
    (Übung, Elmar Nöth, Tue, 12:15 - 13:45, 00.156-113; single appointment on 24.4.2018, 16:00 - 18:00, 00.156-113; single appointment on 3.7.2018, 15:00 - 18:00, 00.156-113)

Inhalt:

Nach Behandlung der grundlegenden Mechanismen menschlicher Spracherzeugung und Sprachwahrnehmung gibt die Vorlesung eine detaillierte Einführung in (vornehmlich) statistisch orientierte Methoden der maschinellen Erkennung gesprochener Sprache. Schwerpunktthemen sind Merkmalgewinnung, Vektorquantisierung, akustische Sprachmodellierung mit Hilfe von Markovmodellen, linguistische Sprachmodellierung mit Hilfe stochastischer Grammatiken, prosodische Information sowie Suchalgorithmen zur Beschleunigung des Dekodiervorgangs.

Lernziele und Kompetenzen:

Die Studierenden

• verstehen die Grundlagen der menschlichen Sprachproduktion und die akustischen Eigenschaften unterschiedlicher Phonemklassen
  

• erklären den allgemeinen Aufbau eines Mustererkennungssystems
  

• verstehen Abtastung, das Abtasttheorem und Quantisierung in Bezug auf Sprachsignale
  

• verstehen die Fourier-Transformation und mathematische Modelle der Sprachproduktion
  

• verstehen harte und weiche Vektorquantisierungsmethoden
  

• verstehen unüberwachtes Lernen (EM-Algorithmus)
  

• verstehen Hidden Markov-Modelle (HMMs)
  

• erklären stochastische Sprachmodelle

The students

• understand the principles of human speech production and acoustic properties of the different phoneme classes
  

• explain the general pipeline of a pattern recognition system
  

• understand sampling, the sampling theorem, and quantization w.r.t. speech signals
  

• understand Fourier transformation and mathematical models of speech production
  

• understand hard and soft vector quantization methods
  

• understand unsupervised learning (EM-algorithm)
  

• understand Hidden Markov Models (HMMs)
  

• explain stochastic language models
  

Literatur:

• Niemann H.: Klassifikation von Mustern; Springer, Berlin 1983

• Niemann H.: Pattern Analysis and Understanding; Springer, Berlin 1990

• Schukat-Talamazzini E.G.: Automatische Spracherkennung; Vieweg, Wiesbaden 1995

• Rabiner L.R., Schafer R.: Digital Processing of Speech Signals; Prentice Hall, New Jersey 1978

• Rabiner L.R., Juang B.H.: Fundamentals of Speech Recognition; Prentice Hall, New Jersey 1993

Weitere Informationen:

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

1. Medizintechnik (Master of Science)
   (Po-Vers. 2013 | TechFak | Medizintechnik (Master of Science) | Studienrichtung Medizinische Bild- und Datenverarbeitung | M5 Medizintechnische Vertiefungsmodule (BDV))

Studien-/Prüfungsleistungen:

Sprachverstehen (Prüfungsnummer: 101072)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [1], [2])

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

weitere Erläuterungen:
30-minütige mündliche Prüfung über den Stoff der Vorlesung und der Übungen

Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019, 2. Wdh.: keine Wiederholung

1. Prüfer:

Elmar Nöth

Sprachverstehen (Prüfungsnummer: 766129)

(englischer Titel: Speech Understanding)

(diese Prüfung gilt nur im Kontext der Studienfächer/Vertiefungsrichtungen [3])

Prüfungsleistung, mündliche Prüfung, Dauer (in Minuten): 30, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 0.0 %

Erstablegung: SS 2018, 1. Wdh.: WS 2018/2019

1. Prüfer:

Elmar Nöth