Оптические вычисления - Арратуна Р.
Скачать (прямая ссылка):
символьными и цифровыми вычислениями на любой стадии.
Быстрая символьная и цифровая обработка необходима в геофизических
исследованиях для того, чтобы и обработку, и интерпретацию данных
выполнять в реальном времени. Обработка сигналов используется для
выделения собственно данных и удаления характерных особенностей источника
[40]. Моделирование и решение обратной задачи [3, 4] могут тогда
использоваться для оценки геофизических параметров. Выбор параметров для
управления этими вычислениями и решения математических уравнений требуют
использования символьных вычислений. Основанные на правилах экспертные
системы предназначены для интерпретации данных и должны взаимодействовать
с системой обработки сигналов. Таким образом для схем "от цели к фактам"
конкретная гипотеза должна подтверждаться повторной обработкой выбранных
данных.
11.7.2. Символьно-цифровое распознавание речи и система
синтаксического анализа
Символьно-цифровое устройство распознавания речи иллюстрирует
преимущества одновременно цифровых и символьных вычислений. На рис. 11.11
изображена блок-схема устройства распознавания речи со встроенным
анализатором синтаксиса. В данном случае весьма трудная задача
распознавания речи для наглядности рассматривается крайне упрощенно.
Например, возможности распознавания могут быть существенно расширены по
сравнению с представленными здесь с помощью метода неявного моделирования
по Маркову, основанного на известных данных о порядке следования похожих
слов. Произносимые данные непрерывно вводятся в схему (см. рис. 11.11) с
левой стороны. Каждое слово разделяется процессором на фреймы
длительностью 20 миллисекунд, по 200 образцов в каждом. Предполагаемая
здесь система оперирует с непрерывным потоком фреймов в отличие от
большинства систем, которые работают с блоками фреймов в пакетном режиме.
Это позволяет избежать ряда сложностей, связанных с границами блоков. Два
блока слева на рис. 11.11 уменьшают объем данных фрейма с 200 образцов до
16 коэффициентов линейного прогнозирования исходов с помощью АР-
моделирования (см. 11.6.3). Параллель-
394
Часть IV. Символьные вычисления и искусственный интеллект
ный вариант реализации системы, показанной на рис. 11.2, уже был
представлен ранее на рис. 11.9 и 11.10. Обычно следующие этапы,
используемые для улучшения представления речи, строятся на основе
эвристических подходов.
Для идентификации или классификации поступающих в систему слов (входящих
в словарный запас) осуществляется динамическое изменение временного
масштаба слов, что достигается путем вычисления корреляции коэффициентов
ЛПИ поступающих сигналов и коэффициентов ЛПИ образцов, хранящихся в
словаре. В системе, основанной на правилах, для определения начала и
конца слов используется набор простых правил. В свою очередь, для
устранения возникающих неоднозначных ситуаций применяется символьный
анализатор синтаксиса, имеющий вид системы правил, организованных по
принципу "ситуация - действие" и "жди и смотри". Указанный анализатор
синтаксиса основан на грамматических правилах языка. Может быть
реализован другой вид анализатора синтаксиса, выполняющего ограничение
числа слов, которые следует рассматривать на следующей стадии корреляции.
Динамическое изменение временного масштаба при параллельной обработке и
символьный анализатор синтаксиса описываются ниже, вместе с примером их
реализации, осуществляемой с помощью оптического переключателя. За время
обработки каждого фрейма перекрестный переключатель трижды изменяет свое
состояние. Первое состояние относится к вычислению коэффициентов ЛПИ и
получению логических выводов для анализатора синтаксиса. Второе состояние
относится к нахож-
В начале RQ загружается в RN
Рис. 11.10. Параллельное вычисление коэффициентов линейного
прогнозирования исходов (ЛПИ) с помощью алгоритма Шура,
Состоянию переключателя 1
Состояние переключателя 2 Состояние переключателя 3
Состояние переключателя 1
Рис, 11.11, Распознавание речи со встроенным систолическим анализатором
синтаксиса.
396
Часть IV. Символьные вычисления и искусственный интеллект
дению функции затрат для каждого опорного слова-образца в процессе
динамического изменения масштаба времени, а третье - к определению
окончания каждого образца и его классификации.
11.7.3. Распознавание речи с помощью динамического изменения масштаба
времени
Коэффициенты ЛПИ для фрейма входных данных должны коррелировать с каждым
фреймом для любого слова, хранящегося в словаре образцов ЛПИ. На рис.
11.12 по оси X изображены входные фреймы ЛПИ, а по оси У - фреймы ЛПИ
опорных слов. Словарь опорных образцов разделен на подсловари, в
соответствии с частями речи. Слова, которые могут выступать в качестве
более чем одной части речи, включены в раздельные подсловари.
Типичное локальное расстояние между /-входным фреймом и и-опорным фреймом
для k-ro слова составляет
L
di г ~ log 2 {^п * rn) I (11.11)
п=1
где L - номер коэффициента ЛПИ.
