FG Kommunikationstechnik
Refine
Year of publication
Document Type
- Conference Proceeding (180)
- Part of a book (chapter) (24)
- Scientific journal article peer-reviewed (21)
- Conference publication peer-reviewed (21)
- Scientific journal article not peer-reviewed (15)
- Book (publisher) (9)
- Report (8)
- Patent (7)
- Doctoral thesis (6)
- Book (3)
Way of publication
- Open Access (7)
Keywords
- machine learning (4)
- Künstliche Intelligenz (2)
- Machine learning (2)
- Music psychology (2)
- Non-destructive testing (2)
- AURORA (1)
- Accessability (1)
- Acoustic (1)
- Anfragesysteme (1)
- Artificial intelligence (1)
Institute
Recurrence structures in univariate time series are challenging to detect. We propose a combination of symbolic and recurrence analysis in order to identify recurrence domains in the signal. This method allows to obtain a symbolic representation of the data. Recurrence analysis produces valid results for multidimensional data, however, in the case of univariate time series one should perform phase space reconstruction first. In this chapter, we propose a new method of phase space reconstruction based on the signal's time-frequency representation and compare it to the delay embedding method. We argue that the proposed method outperforms the delay embedding reconstruction in the case of oscillatory signals. We also propose to use recurrence complexity as a quantitative feature of a signal. We evaluate our method on synthetic data and show its application to experimental EEG signals.
Little Drop of Mulligatawny Soup, Miss Sophie? Automatic Speech Understanding provided by Petri Nets
(2017)
In der vorliegenden Arbeit wird die Verwendung von endlichen Transduktoren zur bidirektionalen Übersetzung zwischen der syntaktischen und semantischen Ebene eines natürlichsprachlichen Dialogsystems untersucht. Zur Bedeutungsrepräsentation werden Merkmal-Werte-Relationen verwendet. Solche beschrifteten partiellen Ordnungen ermöglichen eine hierarchische Strukturierung von semantischen Begriffen und können durch gerichtete azyklische Graphen dargestellt werden.
Auf Grundlage eines bedeutungsorientierten Sprachmodells wird eine mögliche Vorgehensweise zur Modellierung von Äußerungs-Bedeutungs-Transduktoren vorgestellt. Voraussetzung dafür ist eine Sprachdatensammlung, welche zum Beispiel mit Hilfe von Wizard-of-Oz Experimenten erstellt werden kann.
Für die eigenen Untersuchungen wurden Transduktoren zu Sprachäußerungen der deutschen Lautsprache und der Deutschen Gebärdensprache konstruiert. Diese semantischen Grammatiken werden sowohl für die Interpretation als auch für die Artikulation eingesetzt. Auf der Perzeptionsseite ist somit die automatische Generierung von semantischen Zeichenketten zu einem gegebenen Worthypothesegraphen realisierbar. Durch die Klammerstruktur der semantischen Zeichenketten kann die dazugehörige Merkmal-Werte-Relation erzeugt werden. Diese Bedeutungsrepräsentation wird in der Beispielanwendung unter Verwendung des inversen Äußerungs-Bedeutungs-Transduktors direkt wieder artikuliert. Zuvor ist jedoch eine Linearisierung der Merkmal-Werte-Relation notwendig. Als Ergebnis dieser beiden Übersetzungsprozesse erhält man eine sinngemäße Wiedergabe zu der gegebenen Sprachzeichenfolge. Durch die Verwendung sprachabhängiger semantischer Grammatiken ist zudem auch eine bedeutungsorientierte Übersetzung des erkannten sprachlichen Ausdrucks realisierbar.
Zusätzlich wurde auch ein aktuelles Verfahren zur semantischen Dekodierung mit endlichen Transduktoren umgesetzt, welches ein konzeptuelles stochastisches Sprachmodell nutzt. Damit ist eine vergleichende Bewertung dieser beiden Vorgehensweisen zur semantischen Interpretation möglich.
An application example for unified speech synthesis and recognition using Hidden Markov Models
(2009)
Die automatische Auswertung von Signalen spielt in der modernen Informationstechnik eine große Rolle. Dieses Lehrbuch bietet, ausgehend von der Repräsentation des Signals im Merkmalraum, die Beschreibung wichtiger Klassifikationsverfahren. Dazu zählen Linear- und Bayes Klassifikatoren, Supportvektormaschinen, Klassifikatoren auf der Basis von Gaussian-Mixture-Modellen und Hidden-Markov-Modellen sowie Klassenfolgenklassifikatoren.Weiterhin werden wichtige Grundlagen der Automatentheorie (Finite State Machines) sowie ausgewählte maschinelle Lernverfahren dargestellt.Die Darstellung setzt die Verfahren zur Merkmalgewinnung voraus, die im ersten Band vermittelt wurden, so dass das Gesamtwerk eine umfassende Beschreibung der Kette darstellt, die in modernen Systemen der Informationsverarbeitung von der Signalerfassung bis hin zum Klassifikationsergebnis führt.
Dieses Buch bietet eine umfassende Darstellung der Methoden, mit denen zeitkontinuierliche und zeitdiskrete Signale so analysiert werden, dass ihre für die Weiterverarbeitung wesentlichen Merkmale extrahiert werden. Dazu wird die Beschreibung der Signale im Zeit- und Frequenzbereich behandelt und durch eine Einführung in Digitalfilter ergänzt. Auf diesen Grundlagen bauen speziellere Analyseverfahren auf; insbesondere wird auf Kurzzeit-Spektralanalyse, Wavelets, Cepstrum und lineare Prädiktion eingegangen. Die Darstellung wird im zweiten Band mit den Methoden der Signalerkennung fortgesetzt, so dass das Gesamtwerk eine umfassende Beschreibung der Kette darstellt, die in modernen Systemen der Informationsverarbeitung von der Signalerfassung bis hin zum Klassifikationsergebnis führt.
Recommendations
(1999)
A unified approach for speech synthesis and speech recognition using Stochastic Markov Graphs
(2000)