相关实验视频
Updated: Jun 27, 2026
09:44
Methods to Test Visual Attention Online
Published on: February 19, 2015
11.8K
整合国际中文可视化教学和职业技能培训:利用注意力连接主义时间分类模型
Yuan Yao1, Zhujun Dai1, Muhammad Shahbaz2
1School of Journalism and Publishing, Jilin Engineering Normal University, Changchun, China.
PeerJ. Computer science
|August 15, 2024
概括
这项研究介绍了一种使用语音识别的AI驱动口腔辅助平台,以改善国际学生的汉语学习. 注意-连接主义时间分类 (CTC) 模型增强了反,减少了口音错误,提高了职业技能.
科学领域:
- 人工智能的人工智能
- 自然语言处理自然语言处理.
- 教育技术的教育技术
背景情况:
- 传统的中文语言教学面临着诸如过时的材料和有限的资源等挑战.
- 有效的跨文化沟通需要国际汉语学习者的改进方法.
- 需要智能和视觉吸引力的工具来增强语言学习.
研究的目的:
- 为国际汉语学习者开发一个人工智能驱动的口语辅助平台.
- 为了利用语音识别来可视化 pinyin反和口音错误识别.
- 通过提高语言沟通能力,改善职业技能培训.
主要方法:
- 提出了注意力连接主义时间分类 (CTC) 模型,一个时间卷积神经网络.
- 实施语音识别技术用于口语辅助平台.
- 利用可视化的平格式反和口音错误分析.
主要成果:
- 与最初的Attention模型相比,Attention-CTC模型表现出卓越的性能.
- 在验证和测试组中观察到错误率的显著降低.
- 索赔,证据,推理 (CER) 减少了0.67%,表明准确度有所提高.
结论:
- 拟议的AI方法显著提高了学习中文语言的效率和有效性.
- 该平台显示了改善国际学习者的职业技能培训的巨大潜力.
- 视觉反和准确的错误检测是成功学习语言的关键.
