Rechenclustergrid
Zusammenfassung der Projektergebnisse
Der installierte Rechnercluster wurde in den laufenden Arbeiten aller Arbeitsgruppen (Maschinelle Übersetzung, Automatische Sprach- und Handschrifterkennung) des Lehrstuhl Informatik 6 eingesetzt. Hervorzuheben sind hierbei folgende Arbeiten, gestaffelt nach Arbeitsgruppen: Maschinelle Übersetzung: Diskriminatives Training von Übersetzungsmodellen [1] Längen-inkrementelles Phrasen Training [2] Hierarchische Maschinelle Übersetzung [3] Phrasen-basierte maschinelle Übersetzung mit rekurrenten neuronalen Netzen [4]. Automatische Spracherkennung: Wortgraph-basierte Suche mit rekurrenten neuronalen Netzen [5] Rekurrente neuronale Netze zur Sprachmodellierung bzw. Erstellung eines entsprechenden Toolkits [6] Hierarchische Sprachmodellierung zur Spracherkennung bei komplett offenem Vokabular [7] Simulationen zur Erforschung von Fehlerschranken [8] Merkmalskombination mit Hilfe neuronaler Netze [9]. Handschrifterkennung: Handschrifterkennung bei komplett offenem Vokabular [10].
Projektbezogene Publikationen (Auswahl)
- Forced Derivations for Hierarchical Machine Translation. Int. Conf. on Computational Linguistics (COLING), pages 933-942, Mumbai, India, December 2012
S. Peitz, A. Mauser, J. Wuebker, and H. Ney
- Feature Combination and Stacking of Recurrent and Non-recurrent Neural Networks for LVCSR. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP), pages 6714-6718, Vancouver, Canada, May 2013
C. Plahl, M. Kozielski, R. Schlüter, and H. Ney
- Length-incremental Phrase Training for SMT. ACL 2013 Eighth Workshop on Statistical Machine Translation (WMT 2013), pages 309-319, Sofia, Bulgaria, August 2013
J. Wuebker, and H. Ney
- Open Vocabulary Handwriting Recognition Using Combined Word-Level and Character-Level Language Models. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP), pages 8257-8261, Vancouver, Canada, May 2013
M. Kozielski, D. Rybach, S. Hahn, R. Schlüter, and H. Ney
- Lattice Decoding and Rescoring with Long- Span Neural Network Language Models Interspeech, pages 661-665, Singapore, September 2014
M. Sundermeyer, Z. Tüske, R. Schlüter, and H. Ney
- RWTHLM - The RWTH Aachen University Neural Network Language Modeling Toolkit Interspeech, pages 2093-2097, Singapore, September 2014
M. Sundermeyer, R. Schlüter, and H. Ney
- A Comparison of Update Strategies for Large-Scale Maximum Expected BLEU Training. Conf. of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (NAACL HLT), pages 1516-1526, Denver, CO, USA, May 2015
J. Wuebker, S. Muehr, P. Lehnen, S. Peitz, and H. Ney
- Error Bounds for Context Reduction and Feature Omission. Interspeech, Dresden, Germany, Sept. 2015
E. Beck, R. Schlüter, H. Ney
- Improved strategies for a zero OOV rate LVCSR system. IEEE Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP), pages 5048-5052, Brisbane, Australia, April 2015
M. A. B. Shaik, A. El-Desoky Mousa, S. Hahn, R. Schlüter, and H. Ney
(Siehe online unter https://doi.org/10.1109/ICASSP.2015.7178932) - Investigations on Phrase-based Decoding with Recurrent Neural Network Language and Translation Models. EMNLP 2015 Tenth Workshop on Statistical Machine Translation (WMT 2015), Lisboa, Portugal, September 2015
T. Alkhouli, F. Rietig, and H. Ney
(Siehe online unter https://dx.doi.org/10.18653/v1/W15-3034)
