Ziel dieser Seminararbeit ist es, allgemeine Grundlagen von künstlichen neuronalen Netzen (KNN) vorzustellen und ihre Tauglichkeit für die Sprachverarbeitung zu erforschen.
Theoretisch müsste ein Computer leistungsfähiger als das Gehirn eines Menschen sein, allerdings fehlt ihm die Fähigkeit des Lernens. Seit den frühen 1940er Jahren, fast zeitgleich mit der Geschichte der Computer, läuft die Forschung Computern die Fähigkeiten des Lernens (u. a. wie Fehlertoleranz) zunutze zu machen. Die Adaption der Lernfähigkeit wird durch das Abbilden des menschlichen Gehirns – der Neuronalen Netze – erreicht.
Künstliche Neuronale Netzwerke werden heute in sehr vielfältiger Weise eingesetzt. Laut Prof. Dr. Jürgen Schmidhuber vom Schweizer Forschungsinstitut für Künstliche Intelligenz IDSIA ist man (fast) soweit ein kleines Äffchen, welches lernt abstrakt zu denken und zu planen, nachzubilden. Ist dieser Meilenstein erreicht, wird es nicht mehr allzu lange dauern, bis menschenähnliche Intelligenz nachgebildet werden kann.
Inhaltsverzeichnis
- Kurzfassung
- Inhaltsverzeichnis
- Abkürzungsverzeichnis
- Abbildungsverzeichnis
- Tabellenverzeichnis
- 1 Einführung
- 1.1 Die Lernfähigkeit
- 1.2 Zielsetzung der Arbeit
- 2 Künstliche Neuronale Netze
- 2.1 Verortung im Gebiet der Computational Intelligence
- 2.2 Definition und typische Anwendungsfälle
- 2.3 Allgemeine künstliche Neuronale Netze
- 2.3.1 Das menschliche Gehirn als Vorbild
- 2.3.2 Aufbau künstlicher neuronaler Netze
- 3 Künstliche neurale Netze in der Sprachverarbeitung
- 3.1 Sprachverarbeitung
- 3.2 Spracherkennung
- 3.2.1 Ansätze und Probleme
- 3.2.2 Vorverarbeitung
- 3.2.3 Erkennung
- 3.3 Künstliche neuronale Netze in der Spracherkennung
- 3.3.1 Hybride Systeme
- 3.3.2 Rekurrente Neuronale Netze mit Long Short-Term Memory
- 3.4 Long Short-Term Memory außerhalb der Sprachverarbeitung
- 4 Fazit
- Quellenverzeichnis
Zielsetzung und Themenschwerpunkte
Diese Seminararbeit befasst sich mit dem Einsatz von neuronalen Netzen in der Sprachverarbeitung, insbesondere der Spracherkennung. Die Arbeit untersucht verschiedene Ansätze und Herausforderungen in der Spracherkennung und analysiert die Rolle von neuronalen Netzen in diesem Bereich.
- Die Lernfähigkeit von neuronalen Netzen und ihre Anwendung in der Spracherkennung
- Verschiedene Ansätze und Herausforderungen in der Spracherkennung
- Hybride Systeme und rekurrente neuronale Netze mit Long Short-Term Memory in der Spracherkennung
- Einsatzgebiete von Long Short-Term Memory außerhalb der Sprachverarbeitung
- Das Potenzial von neuronalen Netzen für die zukünftige Entwicklung der Sprachverarbeitung
Zusammenfassung der Kapitel
- Kapitel 1: Einführung Dieses Kapitel führt in die Thematik der Lernfähigkeit ein und erläutert die Zielsetzung der Arbeit.
- Kapitel 2: Künstliche Neuronale Netze Dieses Kapitel definiert künstliche neuronale Netze und beleuchtet ihre Einordnung im Bereich der Computational Intelligence. Es werden die grundlegenden Strukturen und Funktionsweisen von neuronalen Netzen erläutert, wobei das menschliche Gehirn als Vorbild herangezogen wird.
- Kapitel 3: Künstliche neurale Netze in der Sprachverarbeitung Dieses Kapitel befasst sich mit der Anwendung von neuronalen Netzen in der Sprachverarbeitung, insbesondere der Spracherkennung. Es analysiert verschiedene Ansätze und Herausforderungen in der Spracherkennung und stellt verschiedene Ansätze für die Vorverarbeitung und Erkennung von Sprache vor. Darüber hinaus werden hybride Systeme und rekurrente neuronale Netze mit Long Short-Term Memory vorgestellt.
Schlüsselwörter
Die Arbeit konzentriert sich auf die Themengebiete Sprachverarbeitung, Spracherkennung, neuronale Netze, Computational Intelligence, Hybride Systeme, rekurrente neuronale Netze, Long Short-Term Memory, und die Vorverarbeitung und Erkennung von Sprache.
- Quote paper
- Anonym (Author), 2017, Künstliche neuronale Netze. Ihr Einsatz in der Sprachverarbeitung, Munich, GRIN Verlag, https://www.grin.com/document/1000540
