Sprachliche Mensch-Maschine-Kommunikation

Empfehlungen

Info

XII Inhaltsverzeichnis 19. Parameterraumoptimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329 19.1 Parameterarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330 19.1.1 Mittelwertsvektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330 19.1.2 Kovarianzmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 19.1.3 Mixturgewichte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 19.2 Parameterkopplung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 19.2.1 Kopplung von Zustandsübergangswahrscheinlichkeiten . . . . . . . . . . . . . 332 19.2.2 Arten der Parameterkopplung . . . . . . . . . . . . . . . . . . . . . . 333 19.3 Architekturentwurf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334 19.4 Kompaktifizierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336 19.4.1 Typen von Kovarianzmatrizen . . . . . . . . . . . . . . . . . . . . . 336 19.4.2 Vereinfachung von Kovarianztypen . . . . . . . . . . . . . . . . . 339 19.4.3 Selektive Radialisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 340 19.4.4 Kopplung von Kovarianzparametern . . . . . . . . . . . . . . . . 342 19.5 Lose gekoppelte Kovarianzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343 20. Erkennung von Spezialvokabular . . . . . . . . . . . . . . . . . . . . . . . . . 345 20.1 Buchstabiererkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345 20.2 Erkennung beliebiger Namen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348 21. Robustheit und Adaption . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353 21.1 Sprecherabhängigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354 21.2 Spontane Effekte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356 21.3 Geräuschmodellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 357 21.4 Adaptionsziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359 21.5 Adaptionsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361 21.5.1 MLLR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362 21.5.2 Label-Boosting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363 21.5.3 SAT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364 21.5.4 MAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365 21.5.5 VTLN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366 22. Künstliche Neuronale Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371 22.1 Probleme reiner HMM-Erkenner . . . . . . . . . . . . . . . . . . . . . . . . . . 372 22.2 Architekturen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373 22.2.1 Netze zur Klassifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . 373 22.2.2 Elman-Netze und Jordan-Netze . . . . . . . . . . . . . . . . . . . . 374 22.2.3 LVQ – Learning Vector Quantization . . . . . . . . . . . . . . . 375 22.2.4 Kohonens selbstorganisierende Karten. . . . . . . . . . . . . . . 377 22.2.5 MS-TDNNs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379 22.2.6 LPNNs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382 22.2.7 Hierarchische Mixturen von Experten . . . . . . . . . . . . . . 384
Inhaltsverzeichnis XIII 23. Verstehen von Sprache . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 389 23.1 Verstehen gesprochener Sprache . . . . . . . . . . . . . . . . . . . . . . . . . . 389 23.2 Prosodie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 390 23.3 Parsing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394 23.3.1 Grammatische Zerteiler . . . . . . . . . . . . . . . . . . . . . . . . . . . 394 23.3.2 Suchstrategien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395 23.3.3 Repräsentation von Bedeutung . . . . . . . . . . . . . . . . . . . . . 398 23.3.4 Fallschablonenzerteiler . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400 24. Dialogsteuerung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401 24.1 Einheiten der sprachlichen <strong>Kommunikation</strong> . . . . . . . . . . . . . . . . 403 24.2 Sprechakte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405 24.3 Diskursmodellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406 24.4 Entwicklung von Dialogsystemen . . . . . . . . . . . . . . . . . . . . . . . . . 407 24.4.1 Vorgehensweisen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407 24.4.2 Gesprochene Sprache . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409 24.4.3 Wizard-of-Oz Experimente . . . . . . . . . . . . . . . . . . . . . . . . 410 25. Erkennung verschiedener Sprachen . . . . . . . . . . . . . . . . . . . . . . . 413 25.1 Eigenschaften verschiedener Sprachen . . . . . . . . . . . . . . . . . . . . . 413 25.1.1 Definition eines Wortes. . . . . . . . . . . . . . . . . . . . . . . . . . . . 414 25.1.2 Flektierende Sprachen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414 25.1.3 Komposition von Wörtern . . . . . . . . . . . . . . . . . . . . . . . . . 415 25.2 Identifikation von Sprachen (LID) . . . . . . . . . . . . . . . . . . . . . . . . 415 26. Zusätzliche Modalitäten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419 26.1 Lippenlesen auf Videoaufnahmen . . . . . . . . . . . . . . . . . . . . . . . . . 419 26.2 Sprecherlokalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422 26.2.1 Akustisch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422 26.2.2 Mit Videoaufnahmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425 26.3 Handschrifterkennung, Gestikerkennung . . . . . . . . . . . . . . . . . . . 426 26.4 Fehlerbehandlungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426 26.5 Multimodale Zeitzuordnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428 27. Entwicklung von Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . . 431 27.1 Ein Erkenner für eine neue Aufgabe . . . . . . . . . . . . . . . . . . . . . . 431 27.1.1 Vorbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432 27.1.2 Datensammlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432 27.1.3 Datenaufbereitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433 27.1.4 Erzeugen der Erkennerumgebung . . . . . . . . . . . . . . . . . . . 434 27.1.5 Training und Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . 435 27.1.6 Qualitätsanforderungen überprüfen und erfüllen . . . . . . 437 27.2 Beispiel: Videorecorder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438 27.3 Beispiel: Adressenerkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
Seite 1: Ivica Rogina Sprachliche Mensch-Mas
Seite 5 und 6: Inhaltsverzeichnis Tabellenverzeich
Seite 7 und 8: Inhaltsverzeichnis IX 8. Verarbeitu
Seite 9: Inhaltsverzeichnis XI 16. Verwendun
Seite 13 und 14: Tabellenverzeichnis 1.1 Eingabegesc
Seite 15 und 16: Abbildungsverzeichnis 2.1 Wortfehle
Seite 17 und 18: Abbildungsverzeichnis XIX 8.1 Signa
Seite 19 und 20: Abbildungsverzeichnis XXI 13.1 Trai
Seite 21 und 22: Abbildungsverzeichnis XXIII 18.1 Zu
Seite 23 und 24: Abbildungsverzeichnis XXV 28.1 Vers
Seite 25 und 26: 2 1. Nutzen und Anwendungen 1.1 Vor
Seite 27 und 28: 4 1. Nutzen und Anwendungen 1.2 Anw
Seite 29 und 30: 6 1. Nutzen und Anwendungen plomarb
Seite 31 und 32: 8 1. Nutzen und Anwendungen Wo imme
Seite 33 und 34: 10 1. Nutzen und Anwendungen zugeor
Seite 35 und 36: 12 1. Nutzen und Anwendungen Sprach
Seite 37 und 38: 14 1. Nutzen und Anwendungen Sprach
Seite 39 und 40: 16 1. Nutzen und Anwendungen Mensch
Seite 41 und 42: 18 2. Eigenschaften und Taxonomie v
Seite 57 und 58: 34 3. Geschichte eine abhörsichere
Seite 59 und 60: 36 3. Geschichte Fehler erkennen k
Seite 61 und 62:
38 3. Geschichte auch hier ca. 1000
Seite 64 und 65:
4. Anatomie Sprachproduktion und Pe
Seite 66 und 67:
4.1 Anatomie des Artikulationsappar
Seite 68 und 69:
Seite 70 und 71:
Seite 72 und 73:
Seite 74 und 75:
Seite 76 und 77:
4.2 Anatomie des Gehörs 53 Nasenra
Seite 78 und 79:
5. Akustische Grundlagen Zum Verst
Seite 80 und 81:
Quelle a x 2a Abb. 5.2. Schallenerg
Seite 82 und 83:
absolute Schalldruckpegel ist defin
Seite 84 und 85:
5.2 Messung der Schallintensität 6
Seite 86 und 87:
6. Phonetische Grundlagen Die Phone
Seite 88 und 89:
6.2 Die IPA Lautemenge 65 des zwanz
Seite 90 und 91:
6.3 Gruppierung von Phonemen 67 fü
Seite 92 und 93:
Abb. 6.2. Das Vokalviereck uÏ oÇ
Seite 94 und 95:
6.3 Gruppierung von Phonemen 71 In
Seite 96 und 97:
6.3.3 Artikulationsorte 6.3 Gruppie
Seite 98:
Lippenrundung 6.3 Gruppierung von P
Seite 101 und 102:
78 7. Grundlagen der Signalverarbei
Seite 103 und 104:
Seite 105 und 106:
Seite 107 und 108:
Seite 109 und 110:
Seite 111 und 112:
Seite 113 und 114:
Seite 115 und 116:
Seite 117 und 118:
Seite 119 und 120:
Seite 121 und 122:
Seite 123 und 124:
100 7. Grundlagen der Signalverarbe
Seite 125 und 126:
Seite 127 und 128:
Seite 129 und 130:
106 8. Verarbeitung von Sprachsigna
Seite 131 und 132:
Seite 133 und 134:
Seite 135 und 136:
Seite 137 und 138:
Seite 139 und 140:
Seite 141 und 142:
Seite 143 und 144:
Seite 145 und 146:
Seite 147 und 148:
Seite 150 und 151:
9. Klassifikation und Mustererkennu
Seite 152 und 153:
Transkript A/D Converter Parameters
Seite 154 und 155:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Seite 156 und 157:
9.1 Klassifikatoren 133 Beispiel au
Seite 158 und 159:
9.1 Klassifikatoren 135 den durchsc
Seite 160 und 161:
9.1 Klassifikatoren 137 Eine weiter
Seite 162 und 163:
B A A B C Abb. 9.8. Das Bucket-Voro
Seite 164 und 165:
K1 p(x|2) x K2 max p(2) . p(x|n) Kn
Seite 166 und 167:
9.1 Klassifikatoren 143 Hierbei ist
Seite 168 und 169:
Dabei wird γtk geschätzt als γtk
Seite 170 und 171:
9.3 Diskriminanzoptimierung 147 wob
Seite 172 und 173:
9.3 Diskriminanzoptimierung 149 im
Seite 174 und 175:
10. Erkennung statischer Sprachsign
Seite 176 und 177:
10.1 Zeitsignalbasierte Erkennung 1
Seite 178 und 179:
10.1 Zeitsignalbasierte Erkennung 1
Seite 180 und 181:
F2 [Hz] 4000 2000 1000 500 0 ÁÁÁ
Seite 182 und 183:
11. Erkennung dynamischer Sprachsig
Seite 184 und 185:
11.1 Minimale Editierdistanz 161 Ab
Seite 186 und 187:
11.2 Dynamisches Programmieren 163
Seite 188 und 189:
Seite 190 und 191:
Seite 192 und 193:
11.3 Spracherkennung mittels Dynami
Seite 194 und 195:
Seite 196 und 197:
Steigung 2 1/2 2 11.3 Spracherkennu
Seite 198:
Seite 201 und 202:
178 12. Hidden Markov Modelle Wenn
Seite 203 und 204:
180 12. Hidden Markov Modelle Mathe
Seite 205 und 206:
182 12. Hidden Markov Modelle linea
Seite 207 und 208:
184 12. Hidden Markov Modelle der E
Seite 209 und 210:
186 12. Hidden Markov Modelle 12.3
Seite 211 und 212:
188 12. Hidden Markov Modelle aus d
Seite 213 und 214:
190 12. Hidden Markov Modelle αt
Seite 215 und 216:
192 12. Hidden Markov Modelle Wiede
Seite 217 und 218:
194 12. Hidden Markov Modelle zt(j
Seite 219 und 220:
196 12. Hidden Markov Modelle γt(i
Seite 221 und 222:
198 12. Hidden Markov Modelle Für
Seite 223 und 224:
200 12. Hidden Markov Modelle 12.5.
Seite 225 und 226:
202 12. Hidden Markov Modelle Bakis
Seite 227 und 228:
204 12. Hidden Markov Modelle aller
Seite 229 und 230:
206 13. Das Trainieren von Spracher
Seite 231 und 232:
Seite 233 und 234:
Seite 235 und 236:
Seite 237 und 238:
Seite 239 und 240:
Seite 241 und 242:
Seite 243 und 244:
Seite 245 und 246:
Seite 247 und 248:
224 14. Das akustische Modell 14.2
Seite 249 und 250:
226 14. Das akustische Modell Da be
Seite 251 und 252:
228 14. Das akustische Modell Codeb
Seite 253 und 254:
230 14. Das akustische Modell Der g
Seite 255 und 256:
232 14. Das akustische Modell Signa
Seite 257 und 258:
234 14. Das akustische Modell Σ Σ
Seite 259 und 260:
236 14. Das akustische Modell 14.6
Seite 261 und 262:
238 14. Das akustische Modell akust
Seite 263 und 264:
240 14. Das akustische Modell mit V
Seite 265 und 266:
242 14. Das akustische Modell schei
Seite 267 und 268:
244 14. Das akustische Modell Verwe
Seite 269 und 270:
246 14. Das akustische Modell letzt
Seite 271 und 272:
248 15. Erkennung kontinuierlicher
Seite 273 und 274:
Seite 275 und 276:
Seite 277 und 278:
Seite 279 und 280:
Seite 281 und 282:
Seite 284 und 285:
16. Verwendung von Sprachmodellen I
Seite 286 und 287:
16.2 Wahrscheinlichkeiten von Wortf
Seite 288 und 289:
16.3 N-Gramme 265 also alle Histori
Seite 290 und 291:
16.4 Perplexität 267 Qualität des
Seite 292 und 293:
16.4 Perplexität 269 Gleichverteil
Seite 294 und 295:
wi 0.8 0.03 0.17 ” ein“ ” und
Seite 296 und 297:
16.5 Glättung und Interpolation 27
Seite 298 und 299:
16.6 Verschiedene weitere Sprachmod
Seite 300 und 301:
Seite 302 und 303:
Seite 304 und 305:
Seite 306 und 307:
tf(w, Di) = #w in Di |Di| 16.7 Adap
Seite 308 und 309:
16.7 Adaption von Sprachmodellen 28
Seite 310 und 311:
16.7 Adaption von Sprachmodellen 28
Seite 312 und 313:
17. Kontextabhängige akustische Mo
Seite 314 und 315:
als die der Silben. 17.1 Suche nach
Seite 316 und 317:
17.1 Suche nach der optimalen Sprac
Seite 318 und 319:
100000 Wortfolge Modelle 17.1 Suche
Seite 320 und 321:
17.2 Ballung von Kontexten 17.2 Bal
Seite 322 und 323:
17.2 Ballung von Kontexten 299 mit
Seite 324 und 325:
17.2 Ballung von Kontexten 301 Lee
Seite 326 und 327:
17.2 Ballung von Kontexten 303 korr
Seite 328 und 329:
17.2 Ballung von Kontexten 305 Ein
Seite 330 und 331:
Anzahl der Fragen ✻ 2000 17.2 Bal
Seite 332 und 333:
17.2 Ballung von Kontexten 309 1. I
Seite 334 und 335:
17.2.6 Einbindung von Modalitätenf
Seite 336:
0000000 1111111 01 0000000 1111111
Seite 339 und 340:
316 18. Effiziente Decodierverfahre
Seite 341 und 342:
Seite 343 und 344:
Seite 345 und 346:
Seite 347 und 348:
Seite 349 und 350:
Seite 352 und 353:
19. Parameterraumoptimierung Bei de
Seite 354 und 355:
19.2 Parameterkopplung 331 der Einf
Seite 356 und 357:
19.2 Parameterkopplung 333 Längenm
Seite 358 und 359:
19.3 Architekturentwurf 335 Als Kri
Seite 360 und 361:
19.4 Kompaktifizierung 337 bei der
Seite 362 und 363:
19.4.2 Vereinfachung von Kovarianzt
Seite 364 und 365:
19.4 Kompaktifizierung 341 die Gene
Seite 366 und 367:
Tabelle 19.1. Fehlerraten bei Kovar
Seite 368 und 369:
20. Erkennung von Spezialvokabular
Seite 370 und 371:
20.1 Buchstabiererkennung 347 Netze
Seite 372 und 373:
20.2 Erkennung beliebiger Namen 349
Seite 374:
20.2 Erkennung beliebiger Namen 351
Seite 377 und 378:
354 21. Robustheit und Adaption zu
Seite 379 und 380:
356 21. Robustheit und Adaption le
Seite 381 und 382:
358 21. Robustheit und Adaption tet
Seite 383 und 384:
360 21. Robustheit und Adaption Tra
Seite 385 und 386:
362 21. Robustheit und Adaption Ein
Seite 387 und 388:
364 21. Robustheit und Adaption Par
Seite 389 und 390:
366 21. Robustheit und Adaption 21.
Seite 391 und 392:
368 21. Robustheit und Adaption wir
Seite 394 und 395:
22. Künstliche Neuronale Netze Kü
Seite 396 und 397:
p(x|A) 22.2 Architekturen 373 p(x|B
Seite 398 und 399:
Jordan Elman 22.2 Architekturen 375
Seite 400 und 401:
o1 . . . oj . . . vt1 . . . vti . .
Seite 402 und 403:
22.2 Architekturen 379 welchem Laut
Seite 404 und 405:
g d b b d g Integration über die Z
Seite 406 und 407:
Wn . . . W2 W1 Wn W2 W1 Abb. 22.8.
Seite 408 und 409:
22.2 Architekturen 385 lohnt es sic
Seite 410:
22.2 Architekturen 387 Die Adaption
Seite 413 und 414:
390 23. Verstehen von Sprache wenn
Seite 415 und 416:
392 23. Verstehen von Sprache der B
Seite 417 und 418:
394 23. Verstehen von Sprache ist e
Seite 419 und 420:
396 23. Verstehen von Sprache Strah
Seite 421 und 422:
398 23. Verstehen von Sprache Nomin
Seite 423 und 424:
400 23. Verstehen von Sprache ∃w
Seite 425 und 426:
402 24. Dialogsteuerung ein Dialog
Seite 427 und 428:
404 24. Dialogsteuerung noch Prädi
Seite 429 und 430:
406 24. Dialogsteuerung der Zweck d
Seite 431 und 432:
408 24. Dialogsteuerung Vorschlag/Z
Seite 433 und 434:
410 24. Dialogsteuerung Selbst bei
Seite 436 und 437:
25. Erkennung verschiedener Sprache
Seite 438 und 439:
25.1.3 Komposition von Wörtern 25.
Seite 440 und 441:
25.2 Identifikation von Sprachen (L
Seite 442 und 443:
26. Zusätzliche Modalitäten Zweif
Seite 444 und 445:
26.1 Lippenlesen auf Videoaufnahmen
Seite 446 und 447:
∆d = m · r c 26.2 Sprecherlokali
Seite 448 und 449:
26.2 Sprecherlokalisierung 425 Eine
Seite 450 und 451:
26.4 Fehlerbehandlungsmethoden 427
Seite 452:
26.5 Multimodale Zeitzuordnung 429
Seite 455 und 456:
432 27. Entwicklung von Anwendungen
Seite 457 und 458:
Seite 459 und 460:
Seite 461 und 462:
Seite 463 und 464:
Seite 465 und 466:
Seite 467 und 468:
444 28. Der moderne Vortragsraum Wa
Seite 469 und 470:
446 28. Der moderne Vortragsraum zu
Seite 471 und 472:
448 28. Der moderne Vortragsraum In
Seite 473 und 474:
450 28. Der moderne Vortragsraum E
Seite 475 und 476:
452 28. Der moderne Vortragsraum ti
Seite 477 und 478:
454 28. Der moderne Vortragsraum st
Seite 479 und 480:
456 28. Der moderne Vortragsraum me
Seite 481 und 482:
458 28. Der moderne Vortragsraum KL
Seite 483 und 484:
460 28. Der moderne Vortragsraum 28
Seite 485 und 486:
462 28. Der moderne Vortragsraum Vo
Seite 488 und 489:
Literaturverzeichnis [Abt98] Abt. I
Seite 490 und 491:
Literaturverzeichnis 467 [DH73] R.
Seite 492 und 493:
Literaturverzeichnis 469 Engineerin
Seite 494 und 495:
Literaturverzeichnis 471 [Ita75] F.
Seite 496 und 497:
Literaturverzeichnis 473 SPEECH’9
Seite 498 und 499:
Literaturverzeichnis 475 [Nag85] H.
Seite 500 und 501:
Literaturverzeichnis 477 [RW95] I.
Seite 502 und 503:
Literaturverzeichnis 479 [Ver98] Ve
Seite 504:
Literaturverzeichnis 481 [Zwi60] E.
Seite 507 und 508:
484 Sachverzeichnis Bark-Skala, 117
Seite 509 und 510:
486 Sachverzeichnis Hintergrundger
Seite 511 und 512:
488 Sachverzeichnis Parameterraum,
Seite 513:
490 Sachverzeichnis Wall Street Jou
Alle anzeigen

Sprachliche Mensch-Maschine-Kommunikation

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?