Γενικά στοιχεία
| Εβδομάδα | Γνωστικό Αντικέιμενο | Σχετική Βιβλιογραφία (κωδικος βιβλίου -κεφάλαιο) | |
1
| Εισαγωγή στην Επεξεργασία Φωνής - Εισαγωγή στην Επεξεργασία Φυσικής Γλώσσας - Σύστημα παραγωγής ομιλίας κ εισαγωγή στην φωνολογία. Παραγωγή φωνής - Μοντέλα φωνητικού σωλήνα - Βασικά χαρακτηριστικά σήματος φωνής | R&S 1, R&J 2.1-2.4, R&S 3, R&S 4.1-4.6, R&S 5.1-5.2 J&M 1 | |
2
| Κανονικές εκφράσεις - Μηχανές πεπερασμένης κατάστασης - Τροπικοί ημιδακτύλιοι - Μηχανές πεπερασμένης κατάστασης με βάρη - Μοντέλα μορφολογίας γλώσσας - Μορφολογία - Φωνολογία - Ορθογράφοι (spell checkers) - Bayes Classifier | J&M (2nd edition) 2.2 -2.4 J&M (2nd edition) 3, 4, 11 http://www.openfst.org/twiki/bin/view/FST/FstHltTutorial | |
3
| Στατιστικά γλωσσικά μοντέλα - Naive Bayes - Bag of Word Models - Logistic regression |
J&M (3rd edition) 3, 4, 5 | |
4
|
4a. Διανυσματικές αναπαραστάσεις γνώσης 4b. Νευρωνικά Δίκτυα - RNNs - Sequence to Sequence μοντέλα | J&M (3rd edition) 6 J&M (3rd edition) 7, 9 | |
5
| Μοντέλα ανάλυσης βραχέως χρόνου (short-time processing) - Ανάλυση Φωνής - Αλγόριθμοι υπολογισμού θεμελιώδους συχνότητας και formants - Γραμμική πρόβλεψη - Ομομορφική επεξεργασία - Cepstrum | R&S 6, R&S 7.1-7.3, R&S 8, R&S 9 | |
6 | Στατιστικα μοντέλα Bayes - Μοντέλα Markov - Κρυφά μοντέλα Markov - Εφαργμογή σε αναγνώριση Φωνής | R&S 14, R&J 6, B 8, J&M (2nd edition) 6.1-6.5, 4, 9 | |
7
| Αναγνώριση μερών του λόγου (part-of-speech tagging) - Συντακτικοί αναλυτές - Στατιστικοί συντακτικοί αναλυτές | J&M 8, 10, 11, 12 | |
8
| Dependency parsing - Μαθηματική Λογική και Σημασιολογία - Σημασιολογικοί Αναλυτές | J&M 13, J&M 14 J&M (2nd edition) 17, 18 | |
| 9 | Αναγνώριση συναισθημάτων - Semantic Role labelling - Information Extraction - Machine Translation | | |
| 10 | Συστήματα Διαλόγου - Πολυτροπικά συστήματα αλληλεπίδρασης με φωνή - Η Γλώσσα Voice XML | J&M 23, 24, 25, Διαφάνειες μαθήματος | |
| 11 | Σύνθεση φωνής (text-to-speech synthesis) - Κωδικοποίηση φωνής (speech coding) | R&S 13, R&S 11, | |
| * |
| 5η εβδομάδα | |
| * |
| 8η ενδομάδα | |
| * | Εργαστήριο Επεξεργασίας Φυσική Γλώσσας II: RNNs/LSTMs for sentiment analysis | 11η εβδομάδα |
Προαπαιτούμενα: Σήματα και Συστήματα
Άλλα σχετικά μαθήματα: Ψηφιακή Επεξεργασία Σημάτων, Αναγνώριση Προτύπων
Εργαλεία που θα χρησιμοποιηθούν στο μάθημα: PyTorch, OpenFST, KALDI, Python, MATLAB
- [J&M] Daniel Jurafsky and James H. Martin.
Speech and Language Processing (3rd edition draft 2018 fall version)
https://web.stanford.edu/~jurafsky/slp3/ - [R&S] Lawrence R. Rabiner and Ronald W. Schafer.
Theory and Applications of Digital Speech Processing.
Pearson, 2011. - [R&J] Lawrence R. Rabiner and Biing-Hwang Juang.
Fundamentals of Speech Recognition.
PTR Prentice Hall, 1993 - [B] Christopher M. Bishop.
Pattern Recognition and Machine Learning. Springer-Verlag New York, 2006. - Βασίλειος Διγαλάκης και Αλέξανδρος Ποταμιάνος. Σημειώσεις στην Επεξεργασία Φωνής.
- 2 σειρές ασκήσεων 20%
- Πρόοδος 20%
- Τελικό 30%
- Εργαστήρια 30%