Sprachliche Mensch-Maschine-Kommunikation

22.2 Architekturen 379
welchem Laut/Phon es die größte Ausgabe produziert, dann ergibt sich ein
” Karte“ der Laute, die zum Beispiel so aussehen kann wie in Abb. 22.4.
a a
o
l
.
o
o
l
o
o
.
a
o
u
a
a
u
u
a h
a
v
h
h
v
v
h
r
r
r
œ
r
v vn
tk
p
k
œ
m
d
œ
r
n
p
. . v k pt t p t p h # #
Abb. 22.4. Kohonens selbstorganisierende Karte
ah
a
Das Netz versucht also so gut wie möglich ähnliche Laute in ähnliche
Gebiete der Netzschicht zu positionieren. Beim hier abgebildeten Netz
wurde eine zweidimensionale Wabenstruktur als Nachbarschaftsbeziehung
verwendet. Das Gebiet am oberen linken Rand der Schicht spricht vor
allem bei A- und O-ähnlichen Lauten an, rechts unten finden sich vor allem
verschiedene Konsonanten.
Neben der Klassifikation eines einzelnen Lautes kann man mit Hilfe von
Kohonen-Netzen auch kontinuierliche Sprache erkennen. Verwendet man zum
Beispiel als Merkmale Kurzzeitspektren X1, . . . Xt für die Zeitpunkte 1 . . .t,
und bestimmt zu jedem Zeitpunkt das Neuron mit maximaler Ausgabe.
Diese Neuronen ergeben schließlich einen Pfad durch den Zielraum, anhand
dessen ein Wort erkannt werden kann. Ein Beispiel dafür ist in Abb. 22.5 zu
sehen, bei dem Teuvo Kohonen persönlich das finnische Wort ” humppila“
gesprochen hatte.
22.2.5 MS-TDNNs
Eine in der Spracherkennung beliebte Architektur zur Berücksichtigung
dynamischer Eigenschaften der Sprache ist das so genannten Time Delay
Neural Net (TDNN). Die Dynamik geht auf zwei Arten in die Klassifikation
ein, einmal in Form eines Fensters, das einen größeren Zeitlichen Kontext
des Signals überdeckt und somit mehr als nur ein Kurzzeitspektrum als
l
n
d
f
g
n
p
f
n
t
f
g
h
p
y
n
r
e
y
hj
r
y
j
h
e
j
j
k
j
i
hi
e
i
j
#
i
i
j