Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
SPEZIELLE MUSTERANALYSESYSTEMESchrift- und Spracherkennung mit
Hidden-Markov-Modellen
Vorlesung im Wintersemester 2019
Prof. E.G. Schukat-Talamazzini
Stand: 26. August 2019
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Teil XI
RMM/ISADORA Anwendungsbeispiele
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Objektorientierte RMM-SchnittstelleC++-Klasse für RMMs · Schnittstelle zur Sprache ’R’
Motivdetektion in DNA-Strängen
KFZ-Kennzeichen-Erkennung
Automatische Spracherkennung
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Eine Klasse für Rekursive Markovmodelle
AttributeKeinerlei öffentliche Variablen !!
KonstruktorenStandardkonstruktor: erzeugt ein „leeres“ RMMKopierkonstruktor, Untermodellkonstruktor, ... Deserialisierung
Methoden
• ProjektionenNavigation, Inspektion, Reports, ... Serialisierung
Wahrscheinlichkeitsbewertung, Symbolische Beschreibung von Zeitreihen
• HilfskonstruktorenErzeugung eines neuen RMM-Zustands elementar · komplex
Umschalten von Zustandsattributen ±trainable, ±opaque
Durchführen eines RBW-Lernschritts reset · push∗ · A/P/I/S
RMM-Objekte ausschließlich als implizite Parameter !
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Eine RMM-Schnittstelle zur Sprache ’R’
Standardkonstruktor, Typecheckrmm (output=c(NA,’hard’,’soft’,’word’,’cd’,’gcd’), dim=0)is.rmm (object)
Persistenzoperationenwrite.rmm (object, file=’/dev/tty’)read.rmm (file=stop(’no default file’))
Zustände und Verteilungen als ’R’-Objektestate.rmm (object, state) -> rmmstatestate.rmm (object, state, pdf=TRUE) -> pdfparampush.state.rmm (object, state)
Dekodierung mit RVA oder Strahlsuchedecode.rmm (object, state, series,
action=c(’Beamsearch’,’Viterbi’),serial=FALSE) -> hsd
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Graphische Darstellung von Zustand und VererbungCollection
loop duration nodeoftree recursive
paradigma
elem1 elem2 elem3
elem elem elem elem elem elem elem1 elem2 elem1 elem2 elem3 elem syntagma paradigma
elem1 elem2 elem3 elem1 elem2 elem3
Hierarchische Struktur eines RMM-Zustandsplot.rmm (object, states)
blueprint
elem elem1 elem2 elem3
collection
loop duration
nodeoftree
recursive
paradigma
elem1 elem2 elem3
elemsyntagma
Vererbungshierarchie der PDF eines Zustandsplot.rmm (object, states, pdf=TRUE)
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die Fabrikmethoden
Einfügen eines neuen Zustandsinsert.rmm (object, rule=NULL, rules=NULL, file=NULL, sep=’;’)
Setzen von Zustandsattributenattr.rmm (object, states=NULL, opaque=NULL,
trainable=NULL,freeze=NULL,trie=NULL)
Baum-Welch-Akkumulation und Statistiktransformationenreset.rmm (object, action=c(’reset’,’estimate’,’propagate’), state=NULL)
update.rmm (object, state, series, action=c(’Baum-Welch’,’Semi-Supervised’,’Deterministic’))
Anpassen einer Ausgabeverteilung an Lerndatensatzsupervised.rmm (object, state, series)
Zustandsüberwachter RBW-Schrittunsupervised.rmm (object, data, reset=TRUE, estimate=TRUE, propagate=TRUE, ...)
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Realisierung der „Standardsituationen“ mit RMMs
Dichteschätzung NV-Klassifikator Mixture ID
l-state
e-state
Loop
Para
rejected para
N P
ls
ps
c1 c2 c3 c4 c5
Segmente (7 Typen) Segmente (7 Intervalle)
loopstate
parastate
l1 l2 l3 l4 l5 l6 l7
e1 e2 e3 e4 e5 e6 e7
Kpie
l1 l2 l3 l4 l5 l6 l7
e1 e2 e3 e4 e5 e6 e7
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Objektorientierte RMM-Schnittstelle
Motivdetektion in DNA-SträngenAufgabe · Synthesedaten · Modellentwurf · Resultat
KFZ-Kennzeichen-Erkennung
Automatische Spracherkennung
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Motivdetektion in DNA-Strängen
Gegeben:
1. Eine größere Anzahl von DNA-Beispielen o ∈ {A,C ,G ,T}∗
2. Die Vermutung, daß es in den Daten eine typische,wiederkehrende Sequenz („Motiv“) gibt
3. Eine begründete Annahme über die (ungefähre) Länge M desMotivs
4. Eine Annahme über das Auftretensmuster, z.B. je Datensatzgenau einmal
Gesucht:
ein hartes Motiv q ∈ {A,C ,G ,T}M oderein weiches Motiv p : [1..M]× {A,C ,G ,T} → [0, 1]
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Synthetische Beispieldaten
• N = 100 DNA-Stränge der Länge T = 64 werden zufälligerzeugt.
• Basen sind unabhängig und identisch mit (1/4, 1/4, 1/4, 1/4)verteilt.
• Jeder Strang enthält das Motiv (Länge M = 7) an einerzufälligen Position.
• Motive werden generiert nach dem Wahrscheinlichkeitsprofil
q1 q2 q3 q4 q5 q6 q7
A 0.1 0.1 0.1 0.1 0.7 0.1 0.7C 0.1 0.1 0.1 0.1 0.1 0.1 0.1G 0.7 0.7 0.7 0.1 0.1 0.1 0.1T 0.1 0.1 0.1 0.7 0.1 0.7 0.1
(ein weiches „GGGTATA“)
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
BeispielsträngeSequenz #1T G G G A T T G G A C C G T G A C A C A G G T C A G G A G G T G GA T T A A C A G G G T G T A T G G T T C T A T T T C G C C C G
Sequenz #2T G G T G C T A T A G T C C A C A T G C G G C G T A G T T A G G CC A C G T A A G G G G T A T A G A T C A C G G T A G T T T A G
Sequenz #3T A T C C C T C A A C T A C G G G T T A T C G A A A C T A A G G TC T A C T A C C T C C C C A G C A C C T A T T C C T A G T G A
Sequenz #4C A C G C C T C A T A C A C A G T A G C A T C G C C G G G T A G AC T C C C A T T A C C G A T T A A C T A G C C C C A T A A A A
Sequenz #5G G C C A C C G G T A T T C A T C T C T G T T A C G C G C A G C GA G T A C T C C C T T C G A G C G A A A C C C G A C T C G G G
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Modellierung von Motiv & Sequenzen
Isadora-Deklarationencreate @ALPHASIZEinsert E sinsert L «garbage» sinsert S «motif» s s s s s s s
freeze «garbage»freeze «motif»
insert S OOPS «garbage» «motif» «garbage»Opaque - OOPSOpaque + «garbage»Opaque + «motif»
ßource learn.isa @BAUMWELCHSTEPSßource segment.isa
>HSD /dev/tty Verbose>RMM /dev/ttyquit
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
30 Baum-Welch-Iterationen später ...
... liegt ein RMM vor, das die Eingabedaten u.a. wie folgt analysiert:
Die ersten fünf symbolischen Beschreibungen1-64 OOPS
=> 1-40 «garbage»=> 41-47 «motif»=> 48-64 «garbage»
1-64 OOPS=> 1-41 «garbage»=> 42-48 «motif»=> 49-64 «garbage»
1-64 OOPS=> 1-29 «garbage»=> 30-36 «motif»=> 37-64 «garbage»
1-64 OOPS=> 1-26 «garbage»=> 27-33 «motif»=> 34-64 «garbage»
1-64 OOPS=> 1-6 «garbage»=> 7-13 «motif»=> 14-64 «garbage»
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Beispielstränge mit unüberwachter SegmentierungSequenz #1T G G G A T T G G A C C G T G A C A C A G G T C A G G A G G T G GA T T A A C A G G G T G T A T G G T T C T A T T T C G C C C G
Sequenz #2T G G T G C T A T A G T C C A C A T G C G G C G T A G T T A G G CC A C G T A A G G G G T A T A G A T C A C G G T A G T T T A G
Sequenz #3T A T C C C T C A A C T A C G G G T T A T C G A A A C T A A G G TC T A C T A C C T C C C C A G C A C C T A T T C C T A G T G A
Sequenz #4C A C G C C T C A T A C A C A G T A G C A T C G C C G G G T A G AC T C C C A T T A C C G A T T A A C T A G C C C C A T A A A A
Sequenz #5G G C C A C C G G T A T T C A T C T C T G T T A C G C G C A G C GA G T A C T C C C T T C G A G C G A A A C C C G A C T C G G G
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die Parameter des resultierenden RMMRMM-Ausrißdgraph<S,T> 10«garbage»*1 0] DISTRIBUTION 5700+8.76808e-05 4 A 0.247876 C 0.251157 G 0.252354 T 0.248175
«motif»*1 0] DISTRIBUTION 100+0.00487805 4 A 0.116797 C 0.153957 G 0.666914 T 0.0379428
«motif»*2 0] DISTRIBUTION 100+0.00487805 4 A 0.0963097 C 0.0465919 G 0.758758 T 0.0739498
«motif»*3 0] DISTRIBUTION 100+0.00487805 4 A 0.0883085 C 0.0766578 G 0.642302 T 0.168341
«motif»*4 0] DISTRIBUTION 100+0.00487805 4 A 0.0553429 C 0.0953407 G 0.101258 T 0.723669
«motif»*5 0] DISTRIBUTION 100+0.00487805 4 A 0.645064 C 0.172578 G 0.118494 T 0.039474
«motif»*6 0] DISTRIBUTION 100+0.00487805 4 A 0.0958529 C 0.11119 G 0.151422 T 0.617145
«motif»*7 0] DISTRIBUTION 100+0.00487805 4 A 0.799781 C 0.0341988 G 0.0677086 T 0.0739214
s 8] «garbage»*1 «motif»*1 «motif»*2 «motif»*3 ··· ··· ··· «motif»*7 DISTRIBUTION 6400+7.80945e-05 4 A 0.251152 C 0.234752 G 0.264897 T 0.248809
blueprint 1] s DISTRIBUTION 6400+7.80945e-05 4 A 0.251152 C 0.234752 G 0.264897 T 0.248809
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Objektorientierte RMM-Schnittstelle
Motivdetektion in DNA-Strängen
KFZ-Kennzeichen-ErkennungKonfiguration, Zeichenmodelle, Erkennungsmodelle
Automatische Spracherkennung
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Kraftfahrzeug-Kennzeichen
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die Konfiguration des Erkenners
FALSE Grauwertlinearisierung40 Bildfensterhöhe9 Bildfensterbreite2 Bildfensterfortschaltung
24 PCA-Zieldimension
bS(x t) Tree Bayesian Net10−3 MAP-Schätzer (EQSS)
TRUE entscheidungsüberwachtes RBWT10 Baum-Welch-Iterationen10 #min Dedizierte Modelle
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die Erzeugung der RMM-Zustände#!/bin/sh
## source ./kfz.defs## LETTER/DIGIT ALPHABETS# (no ’ä’ and ’Ä’)#lower=‘echo "abcdefghijklmnopqrstuvwxyzöü" | sed "s/./& /g"‘upper=‘echo "ABCDEFGHIJKLMNOPQRSTUVWXYZÖÜ" | sed "s/./& /g"‘digit=‘echo "0123456789" | sed "s/./& /g"‘space=‘echo "~•" | sed "s/./& /g"‘brace=‘echo "{}" | sed "s/./& /g"‘other=‘echo ":−" | sed "s/./& /g"‘
# TOPOLOGIES: LINEAR LEFT−RIGHT HMMS OF VARYING SIZE#cat <<EOFE µL µ* µS µ** µ* µ*S <digit> µ* µ* µ* µ* µ* µ*S <lätta> µ* µ* µ* µ* µ* µ*S <brace> µ* µ* µ*S <other> µ* µ* µ* µ* µ* µ*S <space> µ* µ* µ* µ*EOF
# THE BASIC UNITS OF KFZ APPLICATION#for c in $digit; do echo "S $c <digit>"; donefor c in $space; do echo "S $c <space>"; donefor c in $brace; do echo "S $c <brace>"; donefor c in $other; do echo "S $c <other>"; done
# SUPERLETTERS ’x|X’ IN ORDER TO TIE OUTPUT STATISTICS## for c in $lower; do echo "S $c <lätta>"; done# for c in $upper; do echo "S $c <lätta>"; done#for c in $lower; do
C=‘echo $c | tr "[:lower:]" "[:upper:]"‘echo "S $c|$C <lätta>"echo "S $c $c|$C"echo "S $C $c|$C"done
# SOME IMPORTANT PARADIGMATIC SUBSETS 2B USED IN THE RECOGNITION MODELS#cat <<EOFP «digit» $digitP «space» $spaceP «other» $otherP «brace» $braceP «upper» $upperP «lower» $lowerP «letter» $lower $upperP «symbol» $digit $upperP «any» $digit $upper $other $spaceEOF
Feb 08, 08 19:12 Seite 1/1kfz−symbols.shGedruckt von Prof. E.G. Schukat−Talamazzini
/home/schukat/TEX/FOLIEN/Hidden−Markov−Modelle−07/img
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die Menge der RMM-Zustände
E µL µ* µS µ** µ* µ*S <digit> µ* µ* µ* µ* µ* µ*S <lätta> µ* µ* µ* µ* µ* µ*S <brace> µ* µ* µ*S <other> µ* µ* µ* µ* µ* µ*S <space> µ* µ* µ* µ*S 0 <digit>S 1 <digit>S 2 <digit>S 3 <digit>S 4 <digit>S 5 <digit>S 6 <digit>S 7 <digit>S 8 <digit>S 9 <digit>S ~ <space>S • <space>S { <brace>S } <brace>S : <other>S − <other>S a|A <lätta>S a a|AS A a|AS b|B <lätta>S b b|BS B b|BS c|C <lätta>S c c|CS C c|CS d|D <lätta>S d d|DS D d|DS e|E <lätta>S e e|ES E e|ES f|F <lätta>S f f|FS F f|FS g|G <lätta>S g g|GS G g|GS h|H <lätta>S h h|HS H h|HS i|I <lätta>S i i|IS I i|IS j|J <lätta>S j j|JS J j|JS k|K <lätta>S k k|KS K k|KS l|L <lätta>S l l|LS L l|LS m|M <lätta>S m m|MS M m|MS n|N <lätta>S n n|NS N n|N
Feb 09, 08 16:56 Seite 1/2kfz−states.txtGedruckt von Prof. E.G. Schukat−Talamazzini
/home/schukat/TEX/FOLIEN/Hidden−Markov−Modelle−07/img
S o|O <lätta>S o o|OS O o|OS p|P <lätta>S p p|PS P p|PS q|Q <lätta>S q q|QS Q q|QS r|R <lätta>S r r|RS R r|RS s|S <lätta>S s s|SS S s|SS t|T <lätta>S t t|TS T t|TS u|U <lätta>S u u|US U u|US v|V <lätta>S v v|VS V v|VS w|W <lätta>S w w|WS W w|WS x|X <lätta>S x x|XS X x|XS y|Y <lätta>S y y|YS Y y|YS z|Z <lätta>S z z|ZS Z z|ZS ö|Ö <lätta>S ö ö|ÖS Ö ö|ÖS ü|Ü <lätta>S ü ü|ÜS Ü ü|ÜP «digit» 0 1 2 3 4 5 6 7 8 9 P «space» ~ • P «other» : − P «brace» { } P «upper» A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Ö Ü P «lower» a b c d e f g h i j k l m n o p q r s t u v w x y z ö ü P «letter» a b c d e f g h i j k l m n o p q r s t u v w x y z ö ü P «symbol» 0 1 2 3 4 5 6 7 8 9 A B C D E F G H I J K L M N O P Q RP «any» 0 1 2 3 4 5 6 7 8 9 A B C D E F G H I J K L M N O P Q R S T U V
Feb 09, 08 16:56 Seite 2/2kfz−states.txtGedruckt von Prof. E.G. Schukat−Talamazzini
/home/schukat/TEX/FOLIEN/Hidden−Markov−Modelle−07/img
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Beispiele für RMM-Zustände: ’J’ und ’AP : GK 86’J
J°1
J°1°1
J°1°1°1 J°1°1°2 J°1°1°3 J°1°1°4 J°1°1°5 J°1°1°6
J°1°1°1°1 J°1°1°2°1 J°1°1°3°1 J°1°1°4°1 J°1°1°5°1 J°1°1°6°1
B/096_175
{ A P : G K · 8 6 }
{°1
{°1°1 {°1°2 {°1°3
{°1°1°1 {°1°2°1 {°1°3°1
A°1
A°1°1
A°1°1°1 A°1°1°2 A°1°1°3 A°1°1°4 A°1°1°5 A°1°1°6
A°1°1°1°1 A°1°1°2°1 A°1°1°3°1 A°1°1°4°1 A°1°1°5°1 A°1°1°6°1
P°1
P°1°1
P°1°1°1 P°1°1°2 P°1°1°3 P°1°1°4 P°1°1°5 P°1°1°6
P°1°1°1°1 P°1°1°2°1 P°1°1°3°1 P°1°1°4°1 P°1°1°5°1 P°1°1°6°1
:°1
:°1°1 :°1°2 :°1°3 :°1°4 :°1°5 :°1°6
:°1°1°1 :°1°2°1 :°1°3°1 :°1°4°1 :°1°5°1 :°1°6°1
G°1
G°1°1
G°1°1°1 G°1°1°2 G°1°1°3 G°1°1°4 G°1°1°5 G°1°1°6
G°1°1°1°1 G°1°1°2°1 G°1°1°3°1 G°1°1°4°1 G°1°1°5°1 G°1°1°6°1
K°1
K°1°1
K°1°1°1 K°1°1°2 K°1°1°3 K°1°1°4 K°1°1°5 K°1°1°6
K°1°1°1°1 K°1°1°2°1 K°1°1°3°1 K°1°1°4°1 K°1°1°5°1 K°1°1°6°1
·°1
·°1°1 ·°1°2 ·°1°3 ·°1°4
·°1°1°1 ·°1°2°1 ·°1°3°1 ·°1°4°1
8°1
8°1°1 8°1°2 8°1°3 8°1°4 8°1°5 8°1°6
8°1°1°1 8°1°2°1 8°1°3°1 8°1°4°1 8°1°5°1 8°1°6°1
6°1
6°1°1 6°1°2 6°1°3 6°1°4 6°1°5 6°1°6
6°1°1°1 6°1°2°1 6°1°3°1 6°1°4°1 6°1°5°1 6°1°6°1
}°1
}°1°1 }°1°2 }°1°3
}°1°1°1 }°1°2°1 }°1°3°1
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Schrifteinheiten und ihre Häufigkeiten
·
}
{:
1
2
3
0
7
5
4
6
9
H8
SA
K M B D E L W F GT
RC
PNOZ−U
JVIXYahedgslkbmrwcQnÖfztÜviupjoyxüö
Lerndatensammlungca. 2600 Kfz-Kennzeichen
Darstellung im RMMC «data» 70750 70752 70753 ...
S 70750 M L : L · 4 7 0S 70752 G T H : E M · 9 8 0S 70753 W E : U V · 2 2S 707?? ... ... ...S ... ... ... ...S ... ... ... ...S ... ... ... ...S ... ... ... ...S ... ... ... ...S ... ... ... ...
HäufigkeitszählungTraversieren ab «data»≥ 10 Auftreten/Zustand584 elementare Zustände70 080 Dichteparameter
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
RMM-Zustände zur Musteranalyse
Paradigmatische Zustände für Zeichensätze
P «neuer_Zeichensatz» { } · : 0 1 2 3 4 5 6 7 8 9
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Ö Ü
P «alter_Zeichensatz» { } · - 0 1 2 3 4 5 6 7 8 9
a b c d e f g h i j k l m n o p q r s t u v w x y z ö ü
P «voller_Zeichensatz» { } · - : 0 1 2 3 4 5 6 7 8 9
a b c d e f g h i j k l m n o p q r s t u v w x y z ö ü
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Ö Ü
Wiederholende Zustände für ZeichenkettenL «neues_KK» «neuer_Zeichensatz»L «altes_KK» «alter_Zeichensatz»
L «irgend_KK» «voller_Zeichensatz»
Alternative für alte und neue KennzeichenP «alt|neu» «neues_KK» «altes_KK»
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Beispielresultate für ’«alt|neu»’
{ A Z E : M · 3 2 3 } { t k · 3 4 i 8 2 7 } { A P : P G · 5 1 · }{ O S : M R · 6 7 9 } { S H K : H Y · 8 3 } { W M : Z H 4 2 · }{ M A : R Y · 1 2 7 } { M : S F · 6 4 8 5 } { A N A : S J · 3 0 0{ L U : K · 6 8 6 2 { B : C J · 9 1 4 4 } { H S T : V A · 8 8 }{ G R Z : C B · 5 1 } { S H K : K H · 6 0 0 } { B N : D T · 5 0 2 9{ B : D Y · 9 5 1 8 } { B T F : G · 8 1 8 } { B : N M · 6 1 4 4 }{ H D : S K · 9 1 } { H H : P Z · 1 2 0 4 } { M E : H Y · 1 1 0 }{ G A P : K L · 3 1 2 } { B L K : A K · 1 5 6 } { M B : H X · 5 3 7{ F R : N D · 2 6 9 } { P L : V J · 2 5 · } { P F : P · 6 1 1 0 }{ E F : H T · 1 5 2 } { E F 0 6 2 2 1 } { F G : S K · 6 2 2 }· Z I : A N · 5 9 · } { B T F : S · 7 6 4 } { E F : L E · 1 3 5 }{ · A P : J D · 4 7 } { A P : K R · 1 3 } { B Z : F L · 5 5 7 }} · L : H · 4 0 4 0 } { J : A E · 8 0 · } { E S W : L · 7 4 9 }{ S O K : K · 7 4 7 } { B : E E · 1 5 9 1 } { W I : C · 6 6 2 9 }{ P L : A T · 3 4 2 } { B : E H · 4 7 0 7 } { R S : W W · 5 5 · }{ K S : H K · 1 7 5 · 3 3 } U } K S · } { M T L : C V · 5 0 0 }
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
RMM-Zustände zur KennzeichensyntaxBuchstaben und ZiffernP «upper» A B C D E F G H I J K L M N O P Q R S T U V W X Y Z Ö ÜP «digit» 1 2 3 4 5 6 7 8 9 0P «nonzero» 1 2 3 4 5 6 7 8 9
TÜV-Plaketten und TrennweißP «space» · #S «plaq» · : ·
Ortsangabe und alphabetischer Schlüssel
D «ort» «upper» «upper» «upper»D «alfacode» «upper» «upper»
Numerischer SchlüsselD «num123» «digit» «digit» «digit»N «numcode» «nonzero» «num123»
Neues EU-Kennzeichen (Deutschland)
S «kennzeichen» { «ort» «plaq» «alfacode» «space» «numcode» }
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Objektorientierte RMM-Schnittstelle
Motivdetektion in DNA-Strängen
KFZ-Kennzeichen-Erkennung
Automatische SpracherkennungSprachdaten, Spracheinheiten, Zustände, Ausgabeverteilungen
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die Konfigurationsschritte des Erkennungssystems/series/nis National Institute of Standards Sprachsignale/series/par Partiturdaten: alle verfügbaren Transkriptionen/series/apl Akustisch-phonetische Transkription/series/nwl Normative Worttranskription/series/ufv Sprachdaten in Mel-Frequenz-Cepstrum/Ableitung/series/lfv MFCC mit Lauttranskription
/rules/turns Dialoge, Dialogschritte und Transliterationen/rules/voc Trainingsdatenvokabular · Erkennungsvokabular/rules/pic Kontextabhängige Spracheinheiten („Polyphon“)
/models/init Initiales Gesamt-RMM/models/super Überwachte Anpassung weniger Ausgabe-PDFs/models/mono Lernen der Monophon-Modelle/models/poly Lernen der Polyphon-Modelle (Fmin = 1000)/models/grow Lernen der Polyphon-Modelle (Fmin = 100)/models/Grow Lernen der Polyphon-Modelle (Fmin = 10)/models/test Erkennungstest auf Validierungsdaten
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Die VERBMOBIL VM1-DialogdatenMaße und Gewichte• 63 dt. Dialoge unterschiedlicher Sprecherpaare
• 1 840 Dialogschritte (turns)
• 39 560 gesprochene Wortvorkommen
• 153 901 gesprochene Lautvorkommen
• 1 461 930 Sprachframes zu 10msek (4 Stunden 31/2 Minuten)
• 57 015 270 Cepstrumkoeffizienten bzw. ∆1/∆2
Worteinheiten
• 2363 verschiedene Wörter
1373 ich · 1025 wir · 973 das · 857 ja · 783 dann · 681 und · 662 da · 556 es · 528 mir · 513 am
Lauteinheiten
• 46 verschiedene Laute (Phoneme)
305175 «p:» · 109606 n · 83101 s · 70664 t · 66253 m · 63490 a: · 60796 6 · 49834 a · 46644 aI ·34614 i: · 34173 @ · 33444 I · 33197 f · ... ... ... · 11720 g · 9033 p · 8246 h · 4508 Y · 4343 OY · 32549 · 2322 y: · 1659 2: · 413 u · 304 e · 54 Z · 18 aN
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Dialogturns und ihre Worttranskription
S g071axx0-000-TIS ja guten Tag dann fange ich einfach mal an und wollte Sie mal fragenwie das aussieht <ähm> wir müßten also insgesamt drei Arbeitssitzungenfestlegen zwei davon müßten wir zweitägig machen <ähm> wann hätten Siedenn dafür mal Zeit
S g071axx0-001-HAH ja also für den eintägigen wenn wir den als erstes erledigen wolltenquasi wäre mir ganz recht Montag der achte November
S g071axx0-002-TIS Montag der achte das sieht bei mir ganz schlecht aus denn die Wochevom Samstag dem sechsten an da bin ich weg <ähm> die Woche davor wiesähe das aus erste Novemberwoche
S g071axx0-003-HAH ja am ersten ist Allerheiligen da ist wohl nicht so sehr schönam zweiten Dienstag dem zweiten das wäre mir noch recht
S g071axx0-004-TIS <ähm> Dienstag würde mir gut passen <ähm> das heißt Momentallerdings erst nachmittags das wird dann wahrscheinlich ein bißchenschwierig Dienstag mittwochs <äh> is sieht das bei mir sch schwierigaus da habe ich tagsüber Termine <ähm> wie sieht das bei Ihnenam Donnerstag aus
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Wortschätze, Ziffernwörter, Buchstabieralphabet
C «VOX» «digit» «spell» «vm1» «VM1»
P «digit» null eins zwei drei vier fünf sechs sieben acht neun
P «spell» $A $B $C $D $E $F $G $H $I $J $K $L $M $N$O $P $Q $R $S $T $U $V $W $X $Y $Z
P «vm1» ab aber ablehnen absa acht achte «äh» «ähm» allerdingsAllerheiligen als also am an anderen anderes ...... ... ...zweitägiges zweite zweiten zweiundzwanzigsten zwischen
P «VM1» «%» a A $A ab abend Abend Abenden Abendessen abendsaber abfassen abge abgehakt abgehandelt abgeklär abgeklärtabgemacht ...... ... ...... ... ...... ... ...zwo zwölf zwölfte zwölftem zwölften zwölfter zwotezwoten zwoundzwanzigsten Zyklus Zylinder
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Aussprachewörterbuch
Aachen Q’a:x@nAb Q’apAbbruch Q’apbRUxAbend Q’a:b@ntAbendöffnung Q’a:b@nt9fnUNAbendbrot Q’a:b@nt#bRö:tAbende Q’a:b@nd@Abenden Q’a:b@nd@nAbendessen Q’a:b@nt#QËs@n... ... ... ... ...Kulturfreak kUlt’u:6fri:kKulturhauptstadt kUlt’u:6#häUptStatKulturhochburg kUlt’u:6ho:xbU6kKulturkalender kUlt’u:6#kalËnd6Kulturleben kUltu:6#le:b@nKulturprogramm kUlt’u:6#pro:grämKulturveranstaltungen kUlt’u:6fE6QanStaltUN@nKulturwochen kUlt’u:6#vÖx@nKunde k’Und@Kunden k’Und@n... ... ... ... ...zwoten tsv’o:t@nzwoter tsv’o:t6zwoundvierzig tsv’o:#QUnt#fI6tsICzwoundzwanzig tsv’o:#QUnt#tsväntsICzwoundzwanzigste tsv’o:#QUnt#tsväntsICst@zwoundzwanzigsten tsv’o:#QUnt#tsväntsICst@nzwoundzwanzigster tsv’o:#QUnt#tsväntsICst6
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Füllmuster und Stillemuster
FüllmusterE [?]L [?]* [?]S /?/ [?] [?] [?]L ?...? /?/C FILLER [?] [?]* /?/ ?...?
StillemusterE [-]L [-]* [-]S /-/ [-]S /–/ [-] [-]S /–-/ [-] [-] [-]L /-*-/ [-]P /-?-/ /–-/ /–/ /-/S |–- /-?-/S –-| /-?-/C SILENCE [-] [-]* /-/ /–/ /–-/ /-*-/ /-?-/ |–- –-|
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Strukturierung von Monophonmodellen
P MONOPHONE /@/ /2:/ /6/ /9/ /a:/ /a/ /b/ /C/ /d/ /e:/ /e/ /E:/ /E//f/ /g/ /h/ /i:/ /I/ /j/ /k/ /l/ /m/ /n/ /N/ /o:/ /O/ /p/ /Q//r/ /s/ /S/ /t/ /u:/ /u/ /U/ /v/ /x/ /y:/ /Y/ /z/ /Z/
SubphonzuständeS [d] [?]*S [e] [?]*S [E] [?]*S [f] [?]*S [cls] [?]*S ... ...
MonophonzuständeS /d/ [d] [asp]S /e:/ [e] [e] [e]S /e/ [e] [e]S /f/ [f] [f]S /h/ [h] [h]S /k/ [cls] [k] [asp]S ... ... ... ...
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Strukturierung von Polyphonmodellen (8 648 Modelle)Wortaufbau aus PolyphonenS Abend /Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/S Advent /a/t a/t/ t/v/E tv/E/n vE/n/t En/t/S achtzehn /a/xttse:n a/x/ttse:n ax/t/tse:n axt/t/se:n axtt/s/e:n ts/e:/n tse:/n/
S ... ... ... ... ... ...
Polyphonaufbau durch GeneralisierungS @/n/d @/n/S b@/n/d@ @/n/dS n/d/ /d/S n/d/@ n/d/S @n/d/@ n/d/@S @n/d/@n @n/d/@S d/@/ /@/S d/@/n d/@/S nd/@/n d/@/nS @nd/@/n nd/@/nS ... ...S Qa/x/tQUnttsvantsICst Qa/x/tQUnttsvanS Qa/x/tQUnttsvantsICst@ Qa/x/tQUnttsvantsICstS Qax/t/QUnttsvantsICst Qax/t/QUnttsvanS ... ...
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
RMM-Struktur des Zustands ’Abend’Abend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@n
/Q/a:b
/Q/a:
/Q/a
/Q/
[Q]
[?]*
[?]
Q/a:/b@n
Q/a:/b
Q/a:/
/a:/
[a] [a] [a]
[?]*
[?]
[?]*
[?]
[?]*
[?]
Qa:/b/@n
a:/b/@n
a:/b/@
:/b/@
:/b/
/b/
[b] [asp]
[?]*
[?]
[?]*
[?]
a:b/@/nt
:b/@/nt
:b/@/n
b/@/n
b/@/
/@/
[@] [@]
[?]*
[?]
[?]*
[?]
a:b@/n/t
b@/n/t
@/n/t
@/n/
/n/
[n] [n]
[?]*
[?]
[?]*
[?]
a:b@n/t/
@n/t/
n/t/
/t/
[cls] [t] [asp]
[?]*
[?]
[?]*
[?]
[?]*
[?]
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Spracheinheiten und ihre Korpushäufigkeit
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Überwachtes Lernen der subphonemischen Zuständeblueprint
[?] [−]
[?]*·A
[@]·A·A [2]·A·A [6]·A·A [9]·A·A [a]·A·A [b]·A·A [C]·A·A [d]·A·A [e]·A·A [E]·A·A [f]·A·A [g]·A·A [h]·A·A [i]·A·A [I]·A·A [j]·A·A [k]·A·A [l]·A·A [m]·A·A [n]·A·A [N]·A·A [o]·A·A [O]·A·A [p]·A·A [Q]·A·A [r]·A·A [s]·A·A [S]·A·A [t]·A·A [u]·A·A [U]·A·A [v]·A·A [x]·A·A [y]·A·A [Y]·A·A [z]·A·A [Z]·A·A
Phonemische Ausrichtung via Bootstrap-ErkennerKönigsdichte ’blueprint’ · Stilledichte ’[-]’ · Sprachdichte ’[?]’
226648 a 219212 n 166202 s 141328 t132506 m 121592 6 105288 E 93288 aI69228 i 68346 @ 66888 I 66394 f64858 e 60552 d 57118 C 45756 v45708 Q 44610 l 42746 x 42488 z40640 o 37984 k 35334 aU 33012 U32968 O 29446 u 27568 b 27520 N26882 r 26016 j 25070 S 23440 g18066 p 16492 h 9016 Y 8686 OY6508 9 4644 y 3318 2 108 Z36 aN
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Entscheidungsüberwachtes Baum-Welch-TrainingMonophonzustände42 neue Spracheinheiten157 elementare Zustände13 272 Zustände
Polyphonzustände (Fmin = 1000)315 neue Spracheinheiten262 elementare Zustände13 733 Zustände
Polyphonzustände (Fmin = 100)1 903 neue Spracheinheiten3 211 elementare Zustände26 380 Zustände
Polyphonzustände (Fmin = 10)15 622 neue Spracheinheiten15 898 elementare Zustände87 734 Zustände
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Wortmodelle für das Wort ’Abend’
Initialisierung Subphoneme MonophoneAbend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@n
/Q/a:b
/Q/a:
/Q/a
/Q/
[Q]
[?]*
[?]
Q/a:/b@n
Q/a:/b
Q/a:/
/a:/
[a] [a] [a]
[?]*
[?]
[?]*
[?]
[?]*
[?]
Qa:/b/@n
a:/b/@n
a:/b/@
:/b/@
:/b/
/b/
[b] [asp]
[?]*
[?]
[?]*
[?]
a:b/@/nt
:b/@/nt
:b/@/n
b/@/n
b/@/
/@/
[@] [@]
[?]*
[?]
[?]*
[?]
a:b@/n/t
b@/n/t
@/n/t
@/n/
/n/
[n] [n]
[?]*
[?]
[?]*
[?]
a:b@n/t/
@n/t/
n/t/
/t/
[cls] [t] [asp]
[?]*
[?]
[?]*
[?]
[?]*
[?]
Abend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@n
/Q/a:b
/Q/a:
/Q/a
/Q/
[Q]
[Q]·A
[Q]·A·A
Q/a:/b@n
Q/a:/b
Q/a:/
/a:/
[a] [a] [a]
[a]·A
[a]·A·A
[a]·A
[a]·A·A
[a]·A
[a]·A·A
Qa:/b/@n
a:/b/@n
a:/b/@
:/b/@
:/b/
/b/
[b] [asp]
[b]·A
[b]·A·A
[?]*
[?]*·A
a:b/@/nt
:b/@/nt
:b/@/n
b/@/n
b/@/
/@/
[@] [@]
[@]·A
[@]·A·A
[@]·A
[@]·A·A
a:b@/n/t
b@/n/t
@/n/t
@/n/
/n/
[n] [n]
[n]·A
[n]·A·A
[n]·A
[n]·A·A
a:b@n/t/
@n/t/
n/t/
/t/
[cls] [t] [asp]
[?]*
[?]*·A
[t]·A
[t]·A·A
[?]*
[?]*·A
Abend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@n
/Q/a:b
/Q/a:
/Q/a
/Q/
/Q/·A
/Q/·A·A
/Q/·A·A·A
Q/a:/b@n
Q/a:/b
Q/a:/
/a:/
/a:/·A /a:/·B /a:/·C
/a:/·A·A
/a:/·A·A·A
/a:/·B·A
/a:/·B·A·A
/a:/·C·A
/a:/·C·A·A
Qa:/b/@n
a:/b/@n
a:/b/@
:/b/@
:/b/
/b/
/b/·A /b/·B
/b/·A·A
/b/·A·A·A
/b/·B·A
/b/·B·A·A
a:b/@/nt
:b/@/nt
:b/@/n
b/@/n
b/@/
/@/
/@/·A /@/·B
/@/·A·A
/@/·A·A·A
/@/·B·A
/@/·B·A·A
a:b@/n/t
b@/n/t
@/n/t
@/n/
/n/
/n/·A /n/·B
/n/·A·A
/n/·A·A·A
/n/·B·A
/n/·B·A·A
a:b@n/t/
@n/t/
n/t/
/t/
/t/·A /t/·B /t/·C
/t/·A·A
/t/·A·A·A
/t/·B·A
/t/·B·A·A
/t/·C·A
/t/·C·A·A
Polyphone1000 Polyphone100 Polyphone10Abend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@n
/Q/a:b
/Q/a:
/Q/a
/Q/a·A
/Q/a·A·A
/Q/a·A·A·A
/Q/a·A·A·A·A
Q/a:/b@n
Q/a:/b
Q/a:/
/a:/
/a:/·A /a:/·B /a:/·C
/a:/·A·A
/a:/·A·A·A
/a:/·B·A
/a:/·B·A·A
/a:/·C·A
/a:/·C·A·A
Qa:/b/@n
a:/b/@n
a:/b/@
:/b/@
:/b/
:/b/·A
:/b/·A·A :/b/·A·B
:/b/·A·A·A
:/b/·A·A·A·A
:/b/·A·B·A
:/b/·A·B·A·A
a:b/@/nt
:b/@/nt
:b/@/n
b/@/n
b/@/
/@/
/@/·A /@/·B
/@/·A·A
/@/·A·A·A
/@/·B·A
/@/·B·A·A
a:b@/n/t
b@/n/t
@/n/t
@/n/
@/n/·A
@/n/·A·A @/n/·A·B
@/n/·A·A·A
@/n/·A·A·A·A
@/n/·A·B·A
@/n/·A·B·A·A
a:b@n/t/
@n/t/
n/t/
n/t/·A
n/t/·A·A n/t/·A·B n/t/·A·C
n/t/·A·A·A
n/t/·A·A·A·A
n/t/·A·B·A
n/t/·A·B·A·A
n/t/·A·C·A
n/t/·A·C·A·A
Abend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@n
/Q/a:b
/Q/a:b·A
/Q/a:b·A·A
/Q/a:b·A·A·A
/Q/a:b·A·A·A·A
/Q/a:b·A·A·A·A·A
/Q/a:b·A·A·A·A·A·A
Q/a:/b@n
Q/a:/b
Q/a:/b·A
Q/a:/b·A·A
Q/a:/b·A·A·A Q/a:/b·A·A·B Q/a:/b·A·A·C
Q/a:/b·A·A·A·A
Q/a:/b·A·A·A·A·A
Q/a:/b·A·A·B·A
Q/a:/b·A·A·B·A·A
Q/a:/b·A·A·C·A
Q/a:/b·A·A·C·A·A
Qa:/b/@n
a:/b/@n
a:/b/@n·A
a:/b/@n·A·A
a:/b/@n·A·A·A
a:/b/@n·A·A·A·A
a:/b/@n·A·A·A·A·A a:/b/@n·A·A·A·A·B
a:/b/@n·A·A·A·A·A·A
a:/b/@n·A·A·A·A·A·A·A
a:/b/@n·A·A·A·A·B·A
a:/b/@n·A·A·A·A·B·A·A
a:b/@/nt
:b/@/nt
:b/@/n
:b/@/n·A
:b/@/n·A·A
:b/@/n·A·A·A
:b/@/n·A·A·A·A :b/@/n·A·A·A·B
:b/@/n·A·A·A·A·A
:b/@/n·A·A·A·A·A·A
:b/@/n·A·A·A·B·A
:b/@/n·A·A·A·B·A·A
a:b@/n/t
b@/n/t
@/n/t
@/n/t·A
@/n/t·A·A
@/n/t·A·A·A @/n/t·A·A·B
@/n/t·A·A·A·A
@/n/t·A·A·A·A·A
@/n/t·A·A·B·A
@/n/t·A·A·B·A·A
a:b@n/t/
@n/t/
n/t/
n/t/·A
n/t/·A·A n/t/·A·B n/t/·A·C
n/t/·A·A·A
n/t/·A·A·A·A
n/t/·A·B·A
n/t/·A·B·A·A
n/t/·A·C·A
n/t/·A·C·A·A
Abend
/Q/a:b@nt Q/a:/b@nt Qa:/b/@nt Qa:b/@/nt Qa:b@/n/t Qa:b@n/t/
/Q/a:b@nt·A
/Q/a:b@nt·A·A
/Q/a:b@nt·A·A·A
/Q/a:b@nt·A·A·A·A
/Q/a:b@nt·A·A·A·A·A
/Q/a:b@nt·A·A·A·A·A·A
/Q/a:b@nt·A·A·A·A·A·A·A
/Q/a:b@nt·A·A·A·A·A·A·A·A
Q/a:/b@nt·A
Q/a:/b@nt·A·A
Q/a:/b@nt·A·A·A
Q/a:/b@nt·A·A·A·A
Q/a:/b@nt·A·A·A·A·A Q/a:/b@nt·A·A·A·A·B Q/a:/b@nt·A·A·A·A·C
Q/a:/b@nt·A·A·A·A·A·A
Q/a:/b@nt·A·A·A·A·A·A·A
Q/a:/b@nt·A·A·A·A·B·A
Q/a:/b@nt·A·A·A·A·B·A·A
Q/a:/b@nt·A·A·A·A·C·A
Q/a:/b@nt·A·A·A·A·C·A·A
Qa:/b/@nt·A
Qa:/b/@nt·A·A
Qa:/b/@nt·A·A·A
Qa:/b/@nt·A·A·A·A
Qa:/b/@nt·A·A·A·A·A
Qa:/b/@nt·A·A·A·A·A·A
Qa:/b/@nt·A·A·A·A·A·A·A Qa:/b/@nt·A·A·A·A·A·A·B
Qa:/b/@nt·A·A·A·A·A·A·A·A
Qa:/b/@nt·A·A·A·A·A·A·A·A·A
Qa:/b/@nt·A·A·A·A·A·A·B·A
Qa:/b/@nt·A·A·A·A·A·A·B·A·A
Qa:b/@/nt·A
Qa:b/@/nt·A·A
Qa:b/@/nt·A·A·A
Qa:b/@/nt·A·A·A·A
Qa:b/@/nt·A·A·A·A·A
Qa:b/@/nt·A·A·A·A·A·A
Qa:b/@/nt·A·A·A·A·A·A·A Qa:b/@/nt·A·A·A·A·A·A·B
Qa:b/@/nt·A·A·A·A·A·A·A·A
Qa:b/@/nt·A·A·A·A·A·A·A·A·A
Qa:b/@/nt·A·A·A·A·A·A·B·A
Qa:b/@/nt·A·A·A·A·A·A·B·A·A
Qa:b@/n/t·A
Qa:b@/n/t·A·A
Qa:b@/n/t·A·A·A
Qa:b@/n/t·A·A·A·A
Qa:b@/n/t·A·A·A·A·A
Qa:b@/n/t·A·A·A·A·A·A Qa:b@/n/t·A·A·A·A·A·B
Qa:b@/n/t·A·A·A·A·A·A·A
Qa:b@/n/t·A·A·A·A·A·A·A·A
Qa:b@/n/t·A·A·A·A·A·B·A
Qa:b@/n/t·A·A·A·A·A·B·A·A
Qa:b@n/t/·A
Qa:b@n/t/·A·A
Qa:b@n/t/·A·A·A
Qa:b@n/t/·A·A·A·A
Qa:b@n/t/·A·A·A·A·A Qa:b@n/t/·A·A·A·A·B Qa:b@n/t/·A·A·A·A·C
Qa:b@n/t/·A·A·A·A·A·A
Qa:b@n/t/·A·A·A·A·A·A·A
Qa:b@n/t/·A·A·A·A·B·A
Qa:b@n/t/·A·A·A·A·B·A·A
Qa:b@n/t/·A·A·A·A·C·A
Qa:b@n/t/·A·A·A·A·C·A·A
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Elementarzustände für das Phonem ’/a:/’
Polyphone1000 — alle ’[a]’-Dichten[a]·A·A
/a~/·A·A·A /a~/·B·A·A /a:/·A·A·A /a:/·B·A·A /a:/·C·A·A /a/·A·A·A /a/·B·A·A
t/a:/·A·A·A·A
t/a:/k·A·A·A·A·A
t/a:/·A·B·A·A
t/a:/k·A·A·B·A·A
t/a:/·A·C·A·A
t/a:/k·A·A·C·A·A
Q/a/·A·A·A·A d/a/·A·A·A·A v/a/·A·A·A·A
Q/a/I·A·A·A·A·A d/a/s·A·A·A·A·A
Q/a/·A·B·A·A d/a/·A·B·A·A v/a/·A·B·A·A
Q/a/I·A·A·B·A·A d/a/s·A·A·B·A·A
Polyphone100 — alle ’[a]’-Dichten[a]·A·A
/a~/·A·A·A /a~/·B·A·A /a:/·A·A·A /a:/·B·A·A /a:/·C·A·A /a/·A·A·A /a/·B·A·A
t/a:/·A·A·A·A :/a:/·A·A·A·A Q/a:/·A·A·A·A l/a:/·A·A·A·A d/a:/·A·A·A·A h/a:/·A·A·A·A j/a:/·A·A·A·A m/a:/·A·A·A·A n/a:/·A·A·A·A r/a:/·A·A·A·A z/a:/·A·A·A·A v/a:/·A·A·A·A
t/a:/k·A·A·A·A·A t/a:/g·A·A·A·A·A
st/a:/k·A·A·A·A·A·A It/a:/k·A·A·A·A·A·A nt/a:/k·A·A·A·A·A·A Tag·B·A·A·A·A·A
di:nst/a:/k·A·A·A·A·A·A·A Donnerstag·G·A·A·A·A·A·A
Dienstag·F·A·A·A·A·A·A·A
fraIt/a:/k·A·A·A·A·A·A·A It/a:/ks·A·A·A·A·A·A·A mIt/a:/k·A·A·A·A·A·A·A
Freitag·F·A·A·A·A·A·A·A mIt/a:/ks·A·A·A·A·A·A·A·A
mo:nt/a:/k·A·A·A·A·A·A·A
Montag·E·A·A·A·A·A·A·A
u:/a:/6·A·A·A·A·A Q/a:/b·A·A·A·A·A
aber·B·A·A·A·A·A
l/a:/g·A·A·A·A·A
Sl/a:/g·A·A·A·A·A·A
Sl/a:/g@·A·A·A·A·A·A·A
da·B·A·A·A·A h/a:/b@·A·A·A·A·A
habe·B·A·A·A·A·A haben·B·A·A·A·A·A
ja·B·A·A·A·A m/a:/l·A·A·A·A·A
mal·B·A·A·A·A·A
n/a:/x·A·A·A·A·A
n/a:/xmIta:k·A·A·A·A·A·A
z/a:/g·A·A·A·A·A
z/a:/g@·A·A·A·A·A·A
sagen·B·A·A·A·A·A·A
v/a:/6·A·A·A·A·A
t/a:/·A·B·A·A :/a:/·A·B·A·A Q/a:/·A·B·A·A l/a:/·A·B·A·A d/a:/·A·B·A·A h/a:/·A·B·A·A j/a:/·A·B·A·A m/a:/·A·B·A·A n/a:/·A·B·A·A r/a:/·A·B·A·A z/a:/·A·B·A·A v/a:/·A·B·A·A
t/a:/k·A·A·B·A·A t/a:/g·A·A·B·A·A
st/a:/k·A·A·A·B·A·A It/a:/k·A·A·A·B·A·A nt/a:/k·A·A·A·B·A·A Tag·B·A·A·B·A·A
di:nst/a:/k·A·A·A·A·B·A·A Donnerstag·G·A·A·A·B·A·A
Dienstag·F·A·A·A·A·B·A·A
fraIt/a:/k·A·A·A·A·B·A·A It/a:/ks·A·A·A·A·B·A·A mIt/a:/k·A·A·A·A·B·A·A
Freitag·F·A·A·A·A·B·A·A mIt/a:/ks·A·A·A·A·A·B·A·A
mo:nt/a:/k·A·A·A·A·B·A·A
Montag·E·A·A·A·A·B·A·A
u:/a:/6·A·A·B·A·A Q/a:/b·A·A·B·A·A
aber·B·A·A·B·A·A
l/a:/g·A·A·B·A·A
Sl/a:/g·A·A·A·B·A·A
Sl/a:/g@·A·A·A·A·B·A·A
da·B·A·B·A·A h/a:/b@·A·A·B·A·A
habe·B·A·A·B·A·A haben·B·A·A·B·A·A
ja·B·A·B·A·A m/a:/l·A·A·B·A·A
mal·B·A·A·B·A·A
n/a:/x·A·A·B·A·A
n/a:/xmIta:k·A·A·A·B·A·A
z/a:/g·A·A·B·A·A
z/a:/g@·A·A·A·B·A·A
sagen·B·A·A·A·B·A·A
v/a:/6·A·A·B·A·A
t/a:/·A·C·A·A :/a:/·A·C·A·A Q/a:/·A·C·A·A l/a:/·A·C·A·A d/a:/·A·C·A·A h/a:/·A·C·A·A j/a:/·A·C·A·A m/a:/·A·C·A·A n/a:/·A·C·A·A r/a:/·A·C·A·A z/a:/·A·C·A·A v/a:/·A·C·A·A
t/a:/k·A·A·C·A·A t/a:/g·A·A·C·A·A
st/a:/k·A·A·A·C·A·A It/a:/k·A·A·A·C·A·A nt/a:/k·A·A·A·C·A·A Tag·B·A·A·C·A·A
di:nst/a:/k·A·A·A·A·C·A·A Donnerstag·G·A·A·A·C·A·A
Dienstag·F·A·A·A·A·C·A·A
fraIt/a:/k·A·A·A·A·C·A·A It/a:/ks·A·A·A·A·C·A·A mIt/a:/k·A·A·A·A·C·A·A
Freitag·F·A·A·A·A·C·A·A mIt/a:/ks·A·A·A·A·A·C·A·A
mo:nt/a:/k·A·A·A·A·C·A·A
Montag·E·A·A·A·A·C·A·A
u:/a:/6·A·A·C·A·A Q/a:/b·A·A·C·A·A
aber·B·A·A·C·A·A
l/a:/g·A·A·C·A·A
Sl/a:/g·A·A·A·C·A·A
Sl/a:/g@·A·A·A·A·C·A·A
da·B·A·C·A·A h/a:/b@·A·A·C·A·A
habe·B·A·A·C·A·A haben·B·A·A·C·A·A
ja·B·A·C·A·A m/a:/l·A·A·C·A·A
mal·B·A·A·C·A·A
n/a:/x·A·A·C·A·A
n/a:/xmIta:k·A·A·A·C·A·A
z/a:/g·A·A·C·A·A
z/a:/g@·A·A·A·C·A·A
sagen·B·A·A·A·C·A·A
v/a:/6·A·A·C·A·A
Q/a/·A·A·A·A d/a/·A·A·A·A v/a/·A·A·A·A r/a/·A·A·A·A s/a/I·A·A·A·A b/a/·A·A·A·A f/a/·A·A·A·A g/a/·A·A·A·A l/a/·A·A·A·A h/a/·A·A·A·A k/a/·A·A·A·A m/a/·A·A·A·A n/a/·A·A·A·A p/a/·A·A·A·A t/a/·A·A·A·A z/a/·A·A·A·A
Q/a/I·A·A·A·A·A Q/a/U·A·A·A·A·A Q/a/l·A·A·A·A·A Q/a/m·A·A·A·A·A Q/a/n·A·A·A·A·A Q/a/p·A·A·A·A·A Q/a/x·A·A·A·A·A
Q/a/In·A·A·A·A·A·A
Q/a/In@·A·A·A·A·A·A·A ein·B·A·A·A·A·A·A
eine·B·A·A·A·A·A·A·A einen·B·A·A·A·A·A·A·A
Q/a/Uf·A·A·A·A·A·A Q/a/Us·A·A·A·A·A·A auch·B·A·A·A·A·A
auf·B·A·A·A·A·A·A aus·B·A·A·A·A·A·A
also·B·A·A·A·A·A am·B·A·A·A·A·A an·B·A·A·A·A·A ab·B·A·A·A·A·A Q/a/xt·A·A·A·A·A·A
d/a/s·A·A·A·A·A d/a/n·A·A·A·A·A
das·B·A·A·A·A·A daß·B·A·A·A·A·A dann·B·A·A·A·A·A
v/a/n·A·A·A·A·A v/a/I·A·A·A·A·A v/a/s·A·A·A·A·A
sv/a/n·A·A·A·A·A·A
tsv/a/nts·A·A·A·A·A·A·A
ttsv/a/nts·A·A·A·A·A·A·A·A
Unttsv/a/ntsIC·A·A·A·A·A·A·A·A·A
QUnttsv/a/ntsICst·A·A·A·A·A·A·A·A·A·A
nQUnttsv/a/ntsICst·A·A·A·A·A·A·A·A·A·A·A
sv/a/I·A·A·A·A·A·A was·B·A·A·A·A·A
r/a/I·A·A·A·A·A r/a/U·A·A·A·A·A
fr/a/I·A·A·A·A·A·A dr/a/I·A·A·A·A·A·A
fr/a/It·A·A·A·A·A·A·A
fr/a/Ita:k·A·A·A·A·A·A·A·A
Freitag·C·A·A·A·A·A·A·A·A
ts/a/I·A·A·A·A·A
ts/a/It·A·A·A·A·A·A
Zeit·C·A·A·A·A·A·A
b/a/I·A·A·A·A·A
bei·B·A·A·A·A·A
g/a/n·A·A·A·A·A
g/a/nts·A·A·A·A·A·A
l/a/I·A·A·A·A·A
gl/a/I·A·A·A·A·A·A vielleicht·D·A·A·A·A·A
gl/a/IC·A·A·A·A·A·A·A
h/a/l·A·A·A·A·A m/a/I·A·A·A·A·A m/a/x·A·A·A·A·A
m/a/In·A·A·A·A·A·A m/a/x@·A·A·A·A·A·A
machen·B·A·A·A·A·A·A
n/a/t·A·A·A·A·A p/a/s·A·A·A·A·A z/a/m·A·A·A·A·A
Q/a/·A·B·A·A d/a/·A·B·A·A v/a/·A·B·A·A r/a/·A·B·A·A s/a/I·A·B·A·A b/a/·A·B·A·A f/a/·A·B·A·A g/a/·A·B·A·A l/a/·A·B·A·A h/a/·A·B·A·A k/a/·A·B·A·A m/a/·A·B·A·A n/a/·A·B·A·A p/a/·A·B·A·A t/a/·A·B·A·A z/a/·A·B·A·A
Q/a/I·A·A·B·A·A Q/a/U·A·A·B·A·A Q/a/l·A·A·B·A·A Q/a/m·A·A·B·A·A Q/a/n·A·A·B·A·A Q/a/p·A·A·B·A·A Q/a/x·A·A·B·A·A
Q/a/In·A·A·A·B·A·A
Q/a/In@·A·A·A·A·B·A·A ein·B·A·A·A·B·A·A
eine·B·A·A·A·A·B·A·A einen·B·A·A·A·A·B·A·A
Q/a/Uf·A·A·A·B·A·A Q/a/Us·A·A·A·B·A·A auch·B·A·A·B·A·A
auf·B·A·A·A·B·A·A aus·B·A·A·A·B·A·A
also·B·A·A·B·A·A am·B·A·A·B·A·A an·B·A·A·B·A·A ab·B·A·A·B·A·A Q/a/xt·A·A·A·B·A·A
d/a/s·A·A·B·A·A d/a/n·A·A·B·A·A
das·B·A·A·B·A·A daß·B·A·A·B·A·A dann·B·A·A·B·A·A
v/a/n·A·A·B·A·A v/a/I·A·A·B·A·A v/a/s·A·A·B·A·A
sv/a/n·A·A·A·B·A·A
tsv/a/nts·A·A·A·A·B·A·A
ttsv/a/nts·A·A·A·A·A·B·A·A
Unttsv/a/ntsIC·A·A·A·A·A·A·B·A·A
QUnttsv/a/ntsICst·A·A·A·A·A·A·A·B·A·A
nQUnttsv/a/ntsICst·A·A·A·A·A·A·A·A·B·A·A
sv/a/I·A·A·A·B·A·A was·B·A·A·B·A·A
r/a/I·A·A·B·A·A r/a/U·A·A·B·A·A
fr/a/I·A·A·A·B·A·A dr/a/I·A·A·A·B·A·A
fr/a/It·A·A·A·A·B·A·A
fr/a/Ita:k·A·A·A·A·A·B·A·A
Freitag·C·A·A·A·A·A·B·A·A
ts/a/I·A·A·B·A·A
ts/a/It·A·A·A·B·A·A
Zeit·C·A·A·A·B·A·A
b/a/I·A·A·B·A·A
bei·B·A·A·B·A·A
g/a/n·A·A·B·A·A
g/a/nts·A·A·A·B·A·A
l/a/I·A·A·B·A·A
gl/a/I·A·A·A·B·A·A vielleicht·D·A·A·B·A·A
gl/a/IC·A·A·A·A·B·A·A
h/a/l·A·A·B·A·A m/a/I·A·A·B·A·A m/a/x·A·A·B·A·A
m/a/In·A·A·A·B·A·A m/a/x@·A·A·A·B·A·A
machen·B·A·A·A·B·A·A
n/a/t·A·A·B·A·A p/a/s·A·A·B·A·A z/a/m·A·A·B·A·A
Polyphone10 — nur ’/a:/·A’-Dichten/a:/·A·A·A
t/a:/·A·A·A·A :/a:/·A·A·A·A Q/a:/·A·A·A·A l/a:/·A·A·A·A d/a:/·A·A·A·Ah/a:/·A·A·A·A j/a:/·A·A·A·A m/a:/·A·A·A·A n/a:/·A·A·A·A r/a:/·A·A·A·A z/a:/·A·A·A·A v/a:/·A·A·A·A b/a:/·A·A·A·A S/a:/·A·A·A·A f/a:/·A·A·A·A g/a:/·A·A·A·A k/a:/·A·A·A·A
t/a:/k·A·A·A·A·A t/a:/g·A·A·A·A·A
st/a:/k·A·A·A·A·A·A It/a:/k·A·A·A·A·A·A nt/a:/k·A·A·A·A·A·A Tag·B·A·A·A·A·A
di:nst/a:/k·A·A·A·A·A·A·A Donnerstag·G·A·A·A·A·A·A zamst/a:/k·A·A·A·A·A·A·A st/a:/ks·A·A·A·A·A·A·A
Dienstag·F·A·A·A·A·A·A·A Samstag·F·A·A·A·A·A·A·A
fraIt/a:/k·A·A·A·A·A·A·A It/a:/ks·A·A·A·A·A·A·A mIt/a:/k·A·A·A·A·A·A·A mIt/a:/kQE·A·A·A·A·A·A·A
Freitag·F·A·A·A·A·A·A·A mIt/a:/ks·A·A·A·A·A·A·A·A
mittags·D·A·A·A·A·A·A·A·A nachmittags·G·A·A·A·A·A·A·A·A vormittags·G·A·A·A·A·A·A·A·A
Mittag·D·A·A·A·A·A·A·A na:xmIt/a:/k·A·A·A·A·A·A·A·A fo:6mIt/a:/k·A·A·A·A·A·A·A·A
Nachmittag·G·A·A·A·A·A·A·A·A nachmittag·G·A·A·A·A·A·A·A·A Vormittag·G·A·A·A·A·A·A·A·A vormittag·G·A·A·A·A·A·A·A·A
Mittagessen·D·A·A·A·A·A·A·A
mo:nt/a:/k·A·A·A·A·A·A·A zOnt/a:/k·A·A·A·A·A·A·A montags·E·A·A·A·A·A·A
Montag·E·A·A·A·A·A·A·A Sonntag·E·A·A·A·A·A·A·A
t/a:/g@·A·A·A·A·A·A t/a:/gUN·A·A·A·A·A·A st/a:/g·A·A·A·A·A·A
Tage·B·A·A·A·A·A·A t/a:/g@n·A·A·A·A·A·A·A
Tagen·B·A·A·A·A·A·A·A
Tagung·B·A·A·A·A·A·A
u:/a:/6·A·A·A·A·A
Februar·F·A·A·A·A·A Januar·E·A·A·A·A·A
Q/a:/b·A·A·A·A·A ·B·A·A·A·Aah·B·A·A·A·A
aber·B·A·A·A·A·A Q/a:/b@n·A·A·A·A·A·A
Q/a:/b@nt·A·A·A·A·A·A·A
abends·B·A·A·A·A·A·A·A
l/a:/g·A·A·A·A·A fo:6Sl/a:/k·A·A·A·A·A kl/a:/6·A·A·A·A·A pl/a:/n·A·A·A·A·A
Sl/a:/g·A·A·A·A·A·A
Sl/a:/g@·A·A·A·A·A·A·A
o:6Sl/a:/g@n·A·A·A·A·A·A·A·A schlage·C·A·A·A·A·A·A·A
vorschlagen·F·A·A·A·A·A·A·A·A
Vorschlag·F·A·A·A·A·A klar·C·A·A·A·A·A pl/a:/n@·A·A·A·A·A·A pl/a:/nU·A·A·A·A·A·A
pl/a:/nUN·A·A·A·A·A·A·A
da·B·A·A·A·Ah/a:/b@·A·A·A·A·A
habe·B·A·A·A·A·A haben·B·A·A·A·A·A
ja·B·A·A·A·A tja·C·A·A·A·A m/a:/l·A·A·A·A·A prima·E·A·A·A·A
mal·B·A·A·A·A·A Im/a:/l·A·A·A·A·A·A einmal·F·A·A·A·A·A
aIm/a:/l·A·A·A·A·A·A·A
n/a:/x·A·A·A·A·A In/a:/6·A·A·A·A·A n/a:/m·A·A·A·A·A
n/a:/xmIta:k·A·A·A·A·A·A danach·D·A·A·A·A·A nach·B·A·A·A·A·A
Nachmittag·B·A·A·A·A·A·A nachmittag·B·A·A·A·A·A·A nachmittags·B·A·A·A·A·A·A
zEmIn/a:/6·A·A·A·A·A·A
Seminar·F·A·A·A·A·A·A
n/a:/m@·A·A·A·A·A·A
Name·B·A·A·A·A·A·A
r/a:/g·A·A·A·A·A r/a:/d·A·A·A·A·A
o:6r/a:/g@n·A·A·A·A·A·A fr/a:/g@·A·A·A·A·A·A tr/a:/g·A·A·A·A·A·A
E6fo:6r/a:/g@nt·A·A·A·A·A·A·A
hervorragend·H·A·A·A·A·A·A·A
Frage·C·A·A·A·A·A·A tr/a:/g@·A·A·A·A·A·A·A
gerade·D·A·A·A·A·A grade·C·A·A·A·A·A
z/a:/g·A·A·A·A·A z/a:/k·A·A·A·A·A z/a:/m·A·A·A·A·A
z/a:/g@·A·A·A·A·A·A
sagen·B·A·A·A·A·A·A
@z/a:/kt·A·A·A·A·A·A z/a:/kt·A·A·A·A·A·A
g@z/a:/kt·A·A·A·A·A·A·A
gesagt·D·A·A·A·A·A·A·A
z/a:/kt@·A·A·A·A·A·A·A
nz/a:/m·A·A·A·A·A·A
gemeinsam·H·A·A·A·A·A·A
v/a:/6·A·A·A·A·A
wahrscheinlich·B·A·A·A·A·A war·B·A·A·A·A·A zwar·D·A·A·A·A·A
b/a:/6·A·A·A·A·A b/a:/r·A·A·A·A·A
6b/a:/6·A·A·A·A·A·A
Und6b/a:/6·A·A·A·A·A·A·A
wunderbar·G·A·A·A·A·A·A·A
vereinbaren·H·A·A·A·A·A
f/a:/6·A·A·A·A·A f/a:/r·A·A·A·A·A
f/a:/r@·A·A·A·A·A·A
fahren·B·A·A·A·A·A·A
g/a:/6·A·A·A·A·A
gar·B·A·A·A·A·A
RMM-Schnittstelle Motivsuche KFZ-Kennzeichen-Erkennung Automatische Spracherkennung
Worterkennung ohne linguistisches Modell
vm1/g071axx0020TIS (712 Frames)
[1] ’|–-’ ’Hut’ ’ja’ ’da’[5] ’bin’ ’ich’ ’voll’ ’mit’[9] ’einverstanden’ ’is’ ’meine’ ’warum’[13] ’sollte’ ’sch’ ’das’ ’noch’[17] ’ablehnen’ ’darf’ ’Hut’ ’Hut’[21] ’belassen’ ’das’ ’dabei’ ’«häs»’[25] ’darf’ ’vielen’ ’Dank’ ’der’[29] ’ne’ ’–-|’
DekodierwahrscheinlichkeitenlogP(x |S) = −53964.3 = −53929.8−−72.7486+−107.29