CTC yo'qotilishi nima va u ASRda qaerda qo'llaniladi?

CTC (Connectionist Temporal Classification) yo'qotish - bu, kirish va chiqish ketma-ketliklarini moslashtirmasdan bashorat qiladigan modellarni o'qitishda ishlatiladigan yo'qotish funktsiyasidir, masalan, nutqni tanib olish (ASR) vazifalarida.

ASRda asosiy muammo shundaki, kirish audio signali uzunligi va matn transkripsiyasining uzunligi mos kelmaydi, va ular orasidagi moslashuv noma'lum. CTC modelga aniq moslashuvsiz o'qishni imkonini beradi, kirish freymlari va chiqish belgilari o'rtasidagi barcha mumkin bo'lgan mos kelishlarni avtomatik ravishda hisobga oladi.

CTC qanday ishlaydi:

• Model har bir vaqt bosqichida belgilarga (maxsus "blank" - bo'sh belgi ham kiradi) ehtimollik taqsimotini bashorat qiladi.
• CTC to'g'ri ketma-ketlik ehtimolligini hisoblaydi, bo'sh belgilardan va takrorlardan voz kechgan holda, maqsad ketma-ketlikka qisqartirilishi mumkin bo'lgan barcha mumkin bo'lgan yo'llarni qo'shish orqali.
• Yo'qotish funktsiyasi bu ehtimollikning manfiy logarifmidir.

ASRda qo'llanilishi:

• RNN, LSTM, Transformer kabi modellarni audio matnga aylantirish uchun o'qitish.
• Aniq moslashuvni talab qilmasdan ishlash imkonini beradi.

Misol uchun: model bo'sh belgilarga va takrorlarga ega belgi ketma-ketligini bashorat qilsa, CTC barcha yo'llarni yig'adi va ular maqsad transkripsiyaga mos keladi.

Shu tarzda, CTC yo'qotishi, ayniqsa, audio va matn o'rtasidagi moslashuv noma'lum yoki olish qiyin bo'lsa, avtomatik nutqni tanib olish tizimlarini o'qitishda asosiy komponent hisoblanadi.