but.committee		cs
but.defence		cs
but.jazyk	angličtina (English)
but.program	Výpočetní technika a informatika	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Černocký, Jan	en
dc.contributor.author	Mikolov, Tomáš	en
dc.contributor.referee	Zweig, Geoffrey	en
dc.contributor.referee	Hajič,, Jan	en
dc.date.accessioned	2018-05-17T19:38:27Z
dc.date.available	2018-05-17T19:38:27Z
dc.date.created		cs
dc.description.abstract	Statistické jazykové modely jsou důležitou součástí mnoha úspěšných aplikací, mezi něž patří například automatické rozpoznávání řeči a strojový překlad (příkladem je známá aplikace Google Translate). Tradiční techniky pro odhad těchto modelů jsou založeny na tzv. N-gramech. Navzdory známým nedostatkům těchto technik a obrovskému úsilí výzkumných skupin napříč mnoha oblastmi (rozpoznávání řeči, automatický překlad, neuroscience, umělá inteligence, zpracování přirozeného jazyka, komprese dat, psychologie atd.), N-gramy v podstatě zůstaly nejúspěšnější technikou. Cílem této práce je prezentace několika architektur jazykových modelůzaložených na neuronových sítích. Ačkoliv jsou tyto modely výpočetně náročnější než N-gramové modely, s technikami vyvinutými v této práci je možné jejich efektivní použití v reálných aplikacích. Dosažené snížení počtu chyb při rozpoznávání řeči oproti nejlepším N-gramovým modelům dosahuje 20%. Model založený na rekurentní neurovové síti dosahuje nejlepších publikovaných výsledků na velmi známé datové sadě (Penn Treebank).	en
dc.description.abstract	Statistical language models are crucial part of many successful applications, such as automatic speech recognition and statistical machine translation (for example well-known Google Translate). Traditional techniques for estimating these models are based on Ngram counts. Despite known weaknesses of N-grams and huge efforts of research communities across many fields (speech recognition, machine translation, neuroscience, artificial intelligence, natural language processing, data compression, psychology etc.), N-grams remained basically the state-of-the-art. The goal of this thesis is to present various architectures of language models that are based on artificial neural networks. Although these models are computationally more expensive than N-gram models, with the presented techniques it is possible to apply them to state-of-the-art systems efficiently. Achieved reductions of word error rate of speech recognition systems are up to 20%, against stateof-the-art N-gram model. The presented recurrent neural network based model achieves the best published performance on well-known Penn Treebank setup.	cs
dc.description.mark	P	cs
dc.identifier.citation	MIKOLOV, T. Statistické jazykové modely založené na neuronových sítích [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. .	cs
dc.identifier.other	99806	cs
dc.identifier.uri	http://hdl.handle.net/11012/63271
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	jazykový model	en
dc.subject	neuronová sít’	en
dc.subject	rekurentní	en
dc.subject	maximální entropie	en
dc.subject	rozpoznávání řeči	en
dc.subject	komprese dat	en
dc.subject	umělá inteligence	en
dc.subject	language model	cs
dc.subject	neural network	cs
dc.subject	recurrent	cs
dc.subject	maximum entropy	cs
dc.subject	speech recognition	cs
dc.subject	data compression	cs
dc.subject	artificial intelligence	cs
dc.title	Statistické jazykové modely založené na neuronových sítích	en
dc.title.alternative	STATISTICAL LANGUAGE MODELS BASED ON NEURAL NETWORKS	cs
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.dateAccepted	2012-10-02	cs
dcterms.modified	2020-05-10-17:46:41	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	99806	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 23:18:34	en
sync.item.modts	2021.11.22 22:53:24	en
thesis.discipline	Výpočetní technika a informatika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Statistické jazykové modely založené na neuronových sítích

Files

Original bundle

Collections