Skip to main content

EESEN: End-to-End Speech Recognition using Deep RNN Models and WFST-based Decoding

The performance of automatic speech recognition (ASR) has improved tremendously due to the application of deep neural networks (DNNs). Despite this progress, building a new ASR system remains a challenging task, requiring various resources, multiple training stages and significant expertise. This paper presents our Eesen framework which drastically simplifies the existing pipeline to build state-of-the-art ASR systems. Acoustic modeling in Eesen involves learning a single recurrent neural network (RNN) predicting context-independent targets (phonemes or characters). To remove the need for pre-generated frame labels, we adopt the connectionist temporal classification (CTC) objective function to infer the alignments between speech and label sequences. A distinctive feature of Eesen is a generalized decoding approach based on weighted finite-state transducers (WFSTs), which enables the efficient incorporation of lexicons and language models into CTC decoding. Experiments show that compared with the standard hybrid DNN systems, Eesen achieves comparable word error rates (WERs), while at the same time speeding up decoding significantly.

1507.08240v3 EESEN End-to-End Speech Recognition using Deep RNN Models and WFST-based Decoding.pdf

Derin Öğrenme Dersleri

Derin öğrenme çok hızlı bir şekilde yapay zeka alanında büyüme kaydetmektedir. İnsana yakın doğrulukla resim sınıflandırma, ses tanıma, doğal dil işleme, duygu analizi, tavsiye motoru vb. alanlarda gittikçe kullanımı artmaktadır. Uygulama alanlarına yüz tanıma, sahne tanıma, ileri medikal ve farmasötik araştırma, otonom ve kendi kendine giden araçlar dahildir.

Ücretsiz Derin Öğrenme Dersi

NVIDIA, derin öğrenme konusunda online deslere başlıyor.  Bu giriş dersi interaktif ders anlatımı, uygulamalı alıştırmalar ve çalışma saatlerinde öğretim üyesi desteğini içerecek şekilde beş öğretim üyesi tarafından verilecektir.

Bu dersler ile tasarım ve eğitim için gerekli olan becerinin yanında sinir ağı destekli yapay zekayı geniş kapsamlı kullanılan açık kaynak kodlu yapılar ve NVIDIA yazılımı ile kendi uygulamalarınıza entegre etme imkanı bulacaksınız.

HEMEN KAYIT OL!

Bu bir giriş dersi olduğundan derin öğrenme veya GPU progralama tecrübesi gerekmemektedir.

Ders Planı

Tüm dersler Türkiye saatiyle 19.00’da başlayacak ve daha sonra izlenebilmesi için kaydedilecektir.


Gün/Ay Konu
22/07 Ders #1 – Derin Öğrenmeye Giriş (30 dakika + Soru&Cevap) – Video İndir / Youtube, Sunu, Hands-on lab
29/07 Ders #1 için Çalışma Saatleri (1 saatlik Soru&Cevap) – Video İndir / Youtube, Sunu, Soru&Cevap Kaydı
05/08 Ders #2 – DIGITS Başlangıç Rehberi – Resim sınıflandırma için interaktif eğitim sistemi (30 dakika + Soru&Cevap) – Video İndir / Youtube, SunuHands-on lab
12/08 Ders #2 için Çalışma Saatleri (1 saatlik Soru&Cevap) – Video İndir / Youtube, Soru&Cevap Kaydı
19/08 Ders #3 – Caffe Yapısına Başlangıç Rehberi – Video İndir / Stream, Slides, Hands-on Lab
26/08 Ders #3 için Çalışma Saatleri – Video İndir / Youtube, Soru&Cevap Kaydı
02/09 Ders #4 – Theano Yapısına Başlangıç RehberiVideo İndir / Youtube, SunuHands-on Lab
09/09 Ders #4 için Çalışma Saatleri – Video İndir / Youtube
16/09 Ders #5 – Torch Yapısına Başlangıç RehberiVideo İndir / Youtube, SunuHands-on Lab
23/09 Ders #5 için Çalışma Saatleri – Video İndir / Youtube

Çalışma Saatlari oturumundan önce sorularınızı dl-course@nvidia.com adresine gönderebilirsiniz. Böylece öğretim üyeleri oturumlardan önce sorularınıza yönelik faydalı cevaplar hazırlayabilir. Türkçe sorularınız için info@derinogrenme.com adresine e-posta gönderebilir veya iletişim sayfamızı kullanabilirsiniz.

Her derse yönelik hazırlanan uygulamalı alıştırmalara ders süresince nvidia.qwiklab.com adresinden ücretsiz erişilebilirsiniz.

Kaynak: https://developer.nvidia.com/deep-learning-courses

Yukarıdaki yazıda geçen konularla ilgili daha fazla bilgi için:

http://www.sentimentanalizi.com

http://www.verius.com.tr