Una Introducción a los Modelos Ocultos de Markov

1. Una Introducción a los Modelos Ocultos de Markov

2. ¿Cómo funciona?, Las bases • Sea O una secuencia de T medidas acústicas de la voz • Sea W una secuencia de N palabras pertenecientes a un vocabulario fijo y conocido. • P(W|O) es la probabilidad de que la secuencia de palabras W haya sido pronunciada, dado que la secuencia O de medidas acústicas ha sido observada • El reconocedor decidirá a favor de la secuencia de palabras W que satisfaga W = arg maxW P(W|O) • Es decir, el reconocedor dará como resultado la secuencia mas probable de palabras dadas la medidas acústicas obtenidas.

3. Modelo Acústico Modelo de Lenguaje Las Bases • Utilizando la fórmula de Bayes • P(W) ... Probabilidad de que la secuencia de palabras W sea pronunciada • P(O|W) ... Probabilidad de que cuando una persona pronuncia la secuencia de palabras W obtengamos la secuencia de medidas acústicas O • P(O) ... Probabilidad de la secuencia de medidas acústicas O • Fórmula del Reconocedor

4. Componentes de un sistema de Reconocimiento Procesado Acústico transcripción Análisis Gramatical Análisis Léxico Aprendizaje modelos acústicos Modelado Acústico Modelado Lenguaje Procesado Acústico Voz P(O|W) P(W) Hz Algoritmo de Reconocimiento Secuencia de Palabras voz texto Entrenamiento Reconocimiento

5. Modelado Acústico: HMM U N O

6. Modelo Simple Mezcla de Gaussianas Suponiendo independencia entre observaciones Problema: No se modela la secuencialidad

7. Modelo Secuencial U N O S1 S2 S3 Problema: ¿Cómo encontrar las secciones?

8. Modelos Ocultos de Markov Secuencialidad: proceso estocástico modelado por una cadena de Markov a2,2 a1,1 a3,3 S1 S2 S3 a1,2 a2,3 Suposición: Independiencia de observaciones