RECONNAISSANCE DE LA PAROLE
APPRENTISSAGE PROFOND ou DEEP LEARNING
Dans le chapitre « Applications de l’apprentissage profond » : […] Ainsi, en entraînant par apprentissage profond des algorithmes de reconnaissance faciale sur 200 millions d’images de visages, le système FaceNet de la société Google obtient un taux d’identification correcte de 99,63 p. 100. Le nombre d’applications potentielles de l’apprentissage profond est immense. C’est la raison pour laquelle cette méthode d’apprentissage s’est imposée ces dernières années. […] […] Lire la suite
LE CUN YANN (1960- )
Dans le chapitre « L’apprentissage automatique des réseaux de neurones » : […] Né le 8 juillet 1960 à Soisy-sous-Montmorency (Val-d’Oise), Yann Le Cun obtient le diplôme d’ingénieur de l’École supérieure d’ingénieurs en électrotechnique et électronique (ESIEE) en 1983 . Il rejoint ensuite l’équipe de recherche de Françoise Soulié pour y préparer un doctorat qu’il soutient en 1987 à l’université-Pierre-et-Marie-Curie (Paris). Il y présente, pour entraîner des réseaux de neuro […] […] Lire la suite
PSYCHOLOGIE DU LANGAGE ORAL
Dans le chapitre « La variabilité » : […] Aucune des étapes de traitement exposées ci-dessus ne va de soi. De nombreux problèmes se posent au locuteur qui planifie une séquence de parole et à l’auditeur qui tente de la décoder. Tout d’abord, les caractéristiques physiques du signal de parole n’entretiennent pas de lien univoque avec les unités linguistiques. Chaque locuteur produit un signal acoustique différent. Par exemple, les pics d’é […] […] Lire la suite
RECONNAISSANCE DES MOTS À L'ORAL
Reconnaître les mots prononcés par un autre locuteur paraît naturel et aisé. Pourtant, reconnaître les mots parlés implique la résolution de problèmes complexes liés aux particularités de la parole. Lors d’une conversation ordinaire, l’auditeur doit traiter environ 200 mots par minute et ne dispose donc que de quelques centaines de millisecondes pour apparier chaque mot entendu avec un seul des 5 […] […] Lire la suite