ASR

"แล้ว ASR คืออะไร"

   ASR ย่อมาจาก Automatic Speech Recognition หรือเรียกภาษาไทยว่า เทคโนโลยีรู้จำด้วยเสียง
เพื่อให้คอมพิวเตอร์เข้าใจว่าที่เราพูดไปนั้นคือคำว่าอะไรนั่นเอง ตัวอย่างตามวีดีโอด้านล่างครับ

จากวีดีโอจะเห็นว่าจะเป็นการทำ ASR เพื่อให้คอมพิวเตอร์เข้าใจว่าถ้าพูดว่า "โดด" คอมจะเข้าใจว่าโอเคให้ ไดโนเสาร์กระโดด แต่ถ้าพูดว่า "หมอบ" คอมจะเข้าใจว่าให้ไดโนเสาร์หมอบ ซึ่งจะเห็นว่าในขั้นตอนการทำนั้นจำเป็นทีจะต้อง Train คอมให้เข้าใจคำว่าโดด กับหมอบก่อน โดยในตัวอย่างวีดีโอจะทำการนำไฟล์เสียงหมอบและไฟล์เสียงโดดทำการ Train ด้วย Model ที่ชื่อว่า Hidden Markov Model
เพื่อทำการรู้จำเสียง ซึ่งหากใครสนใจโคดหรือหลักการทำงานสามารถโหลดได้ดังนี้ครับ

Source code link: https://github.com/CakeNuthep/ASR-COMMAND

หลักการทำงาน
จะเป็นวีดีโอการสอนของอาจารย์ที่จุฬาลงกรณ์มหาวิทยาลัย ดังนี้ครับ

2110432 ASR L1 Introduction

2110432 ASR L2 Speech Signal Fundamentals I

2110432 ASR L3 Speech Signal Fundamentals II

2110432 ASR L4 Speech Production

2110432 ASR L5 Spectrogram Analysis 1

2110432 ASR L6 Spectrogram Analysis 2

2110432 ASR L7 AM Part I (feature extraction and DTW)

2110432 ASR L8 AM Part II (HMM) and LM

2110432 ASR L9-1 Docker tutorial

2110432 ASR L9-2 Class and Topic Language models, Lexicon

2110432 ASR L10 FST, Decoder, and Kaldi Demo

2110432 ASR L11 Deep learning and ASR

2110432 ASR L12 Various topics in ASR (CTC, VAD, Noise robustness, Speaker recognition)

Learning Rate

สวัสดีครับ หลังจากบทความที่แล้วได้แชร์เรื่อง Machine learning ในการทำ Simple Linear regression กันไปแล้ว และเห็นว่าจะเจอศัพท์คำนึงที่ชื่อว่า Learning rate วันนี้เลยจะมาทำความเข้าใจคำว่า Learning Rate กันครับ

"Learning Rae คืออะไร ?"

    Learning Rate คือค่าหนึ่งไว้สำหรับกำหนดอัตราการเรียนรู้ของ Machine Learning ซึ่งยิ่งค่า Learning Rate ยิ่งมีค่ามาก Machine learning ก็เรียนรู้ได้ไวดังรูป

ค่า Learning Rate สูง

ค่า Learning Rate ต่ำ

"แสดงว่าเราควรตั้งค่า Learning Rate ยิ่งสูงยิ่งดี 

เนื่องจากจะทำให้ Machin Learning เรียนรู้ไวใช่ใหม ?"

    ในการกำหนดค่า Learning Rate นั้นควรกำหนดให้เหมาะสม มากไปก็ไม่ดี ค่าน้อยไปก็ทำให้ Machine Learning เรียนรู้ได้ช้าและใช้เวลานาน

"แล้วทำไมค่า Learning Rate สูงไปไม่ดี ?"

    ลองจินตนาการว่า Learning Rate คือการปรับว่า จะให้ Model ที่ปรับใหม่มีการเปลี่ยนแปลงมากหรือน้อย ซึ่งถ้าเป็น Model ของ Simple Linear Regression ก็จะหมายถึงการให้ปรับเส้น Linear มีการเปลี่ยนแปลงแต่ละครั้งมากหรือน้อยดังรูป

ค่า Learning Rate สูง ทำให้เปลี่ยนแปลงเส้นแต่ละครั้งสูง

ค่า Learning Rate ต่ำ ทำให้เส้นที่ปรับใหม่เปลี่ยนแปลงแต่ละครั้งน้อย

    ดังนั้นถ้าสังเกตุดีๆ ถ้าเรากำหนดค่า Learning Rate มากไปก็อาจจะทำให้ เส้น Linear ที่ปรับได้ไม่เข้าใกล้ค่าความเป็นจริง เนื่องจากปรับ Linear แล้วค่าข้ามเกินความเป็นจริงไปดังรูป

สมมุติค่า Learning Rate = 0.1 ( ค่า learning rate สูงไป)

สมมุติค่า Learning Rate = 0.01 (ค่า Learning Rate เหมาะสม)

สมมุติค่า Learning Rate = 0.00001 (ค่า Learning Rate ต่ำไป)

จากรูปจะเห็นว่า Learning Rate เป็น 0.1 จะทำให้ค่าที่ได้ไม่เข้าใกล้ความเป็นจริงเนื่องจาก มีการปรับ Learning Rate สูงไปจึงทำให้การปรับเส้นตรงแต่ละครั้ง เลยค่าความเป็นจริงนั่นเอง

สุดท้ายนี้หวังว่าโพสน์นี้จะมีประโยชน์นะครับ

Simple Linear Regression#2

      สวัสดีครับหลังจากสัปดาห์ที่แล้วเราได้แชร์เรื่องหลักการของการทำ Simple Linear Regression โดยใช้ Machine learning กันไปแล้ว (http://cakeknowledgeblogs.blogspot.com/2019/09/simple-linear-regression.html) วันนี้จะมาเจาะลึกถึงคณิตศาสตร์จนกระทั้งสามารถนำไปประยุกต์เขียน Code ด้วยตัวเองครับ งั้นมาเริ่มกันเลยครับ

สมมุติเรามีข้อมูลของราคาการเช่าหอแต่ละเดือนในกรุงเทพเมื่อเปรียบเทียบกับพื้นที่ห้องดังนี้

พื้นที่ (m2)	ค่าเช่าหอต่อเดือน (บาท)
22.5	2100
24	2800
26	3250
26.5	3600
30	3800
32	4300
34.5	4600
36.5	5000
38	5800
42	7000

ซึ่งเราต้องการนำข้อมูลที่ได้ไปวาดกราฟ ดังนี้ครับ

สิ่งที่เราต้องการนำ ML มาช่วยคือการหา Model ซึ่งในรูปแบบของ Simple Linear regression นั้นก็คือ เส้นแนวโน้มดังนี้ครับ

          ดังนั้น Model ในที่นี้จะเป็นการหาเส้นแนวโน้มจากเส้นสีแดงข้างบน เพื่อไว้ใช้สำหรับทำนาย (Predict) ข้อมูล ตัวอย่างเช่น เราต้องการอยากรู้ว่าถ้าขนาดห้อง 40 ตารางเมตร เราสามารถนำ Model ที่หาได้ มาทำนาย (Predict) ดังนี้ครับ

จากรูปด้านบนจะเห็นว่าที่พื้นที่ห้องขนาด 40 ตารางเมตรจะมีราคาหอต่อเดือนประมาณ 6000 กว่าบาทเมื่อเปรียบเทียบกับ Model (ในที่นี้คือเส้นแนวโน้มสีแดง)

“แล้วจะให้คอมพิวเตอร์เข้าใจ Model (ในที่นี้คือเส้นแนวโน้ม) อย่างไร?”

Model ในทางคอมพิวเตอร์เป็นสมการหนึ่ง

สมการ Model ใน Simple linear Regression นั้นก็คือเส้นแนวโน้มที่เป็นเส้นตรง ซึ่งเราสามารถสร้างเป็นสมการเส้นตรงได้ดังนี้ครับ

y = mx+b

และถ้าดูจากเส้นแนวโน้มดังรูปเราสามารถสร้างเป็นสมการเส้นตรงได้ป็น

y= 219x-2607.7

หมายความว่าค่า m = 219 , b = -2607.7

หลังจากเราได้ Model เป็นสมการ

y= 219x-2607.7

เราสามารถนำ Model มาทำนายได้แล้วครับ

สมมุติเราต้องการหาราคาหอเมื่อมีขนาดพื้นที่ 40 ตารางเมตร เราสามารถหาได้โดยการนำไปเข้าสมการดังนี้ครับ

y = 219(40)-2607.7 = 6152.3 

จะเห็นว่าจะได้ราคาประมาณ 6000 กว่าบาทหรือนั่นก็คือ 6152.3 บาท

“แล้วเราจะหาค่า m และ b ในสมการ y=mx+b อย่างไร?”

ในการหา m และ b นั้นเราจะใช้ Machine learning ในการหาโดยมีขั้นตอนการทำงานดังรูป

·                จากรูปหลักการทำงานด้านบนเราจะนำข้อมูลที่เรามีอยู่แล้ว(Feature)และรู้ผลลัพธ์อยู่แล้ว(Label)ให้ Machine learning ทำการเรียนรู้

·                โดยในการเรียนรู้นั้นตอนแรก ML จะสร้าง Model ขึ้นมาก่อนซึ่ง Model ดังกล่าวยังไม่สามารถทำนายข้อมูลได้ถูกต้อง

·                จึงต้องเข้าสู่กระบวนการ Train ข้อมูลเพื่อทำการปรับ Model ให้ถูกต้องมากที่สุดโดยกระบวนการ Train จะทำงานโดยการนำ Model มาทำนายผลจากข้อมูล(Feature)

·                ซึ่งก็จะมีทั้งการทำนายที่คลาดเคลื่อนกับความเป็นจริงไปมาก หรือใกล้ความเป็นจริง (ในการดูข้อมูลว่าผลทำนายที่ได้คลาดเคลื่อนไปมากหรือใกล้ความเป็นจริงเราใช้ Cost Function ในการดู)

·                ก็นำเอาค่าความเคลื่อนที่ได้ ไปปรับ Model เข้าหาผลลัพธ์ที่ถูกต้อง

·                หลังจากนั้นจะทำการ Train ไปเรื่อยๆและปรับค่า Model ไปเรื่อยๆ

จนใกล้เคียงข้อมูลจริงมากที่สุด

“Cost Function คืออะไร?”

จากขั้นตอนการทำงานของ Machine learning จะเห็นว่าจะมีการเข้า Cost Function แล้ว Cost Function คืออะไร

Cost Function คือ สมการในการหาค่าความ Error ของ Model ที่ใช้ในการทำนาย(Predict) ซึ่งค่า Cost Function ยิ่งมีค่ามากแสดงว่า Model ที่ใช้ในการทำนาย(Predict) ยิ่งมีความ Error มาก

ในสมการ Cost Function จะมีหลากหลายสมการที่ใช้ในการคำนวณหาค่า Error ซึ่งในที่นี้เราจะใช้สมการที่เรียกว่า Mean Squared Error (MSE) โดยมีสมการดังนี้

หรือมองเป็นรูปภาพได้ดังนี้ครับ

“แล้วเราจะไปปรับค่า Model อย่างไร?”

เนื่องจาก Model เราคือสมการเส้นตรง y=mx+b ดังนั้นเราสามารถปรับค่า m และ b เพื่อให้ได้ค่า Cost Function ที่น้อยที่สุดที่เป็นไปได้

“แล้วเราจะรู้ได้อย่างไรว่าควรปรับค่า m เท่าไหร่ ปรับค่า b เท่าไหร่”

ในการปรับค่า m ค่า b เราจะพิจราณาจาก Gradient Descent Derivation ในการปรับค่า m และ ค่า b โดยหลักการ Gradient Descent เป็นดังนี้ครับ

Gradient Descent คือ การหา Slop ที่ไล่ลงมารื่อยๆ จากรูปด้านล่างดังนึ้ครับ

จากรูปจะเห็นว่าเป็น รูประฆังหงาย ที่เกิดจากการนำเอาค่า Cost Function ที่เราปรับ Model มาหลายๆครั้งมาคำนวณค่า Cost Function แล้วเอามา Plot จะเกิดเป็นรูประฆังหงายดังรูป โดยค่าที่อยู่ก้นระฆังนั้นจะหมายความว่าค่า Cost Function มีค่าเท่ากับ 0 หรือหมายความว่า model ที่ใช้ในการคำนวณนั้นมีความคลาดเคลื่อนจากข้อมูลจริงเป็น 0 หรือมีความแม่นยำมากๆในการทำนาย ดังนั้นจึงสรุปได้ว่า ถ้าค่า Cost function ยิ่งอยู่บริเวณก้นระฆังมากเท่าไหร่แสดงว่า Model นั้นย่อมมีความแม่นยำมาก

“แล้วเราจะรู้ได้อย่างไรว่าจะปรับค่า m และ b ในสมการ y=mx+b เท่า

ไหร่บ้าง”

เราจะดูค่า แนวโน้มว่า m และ b ควรปรับเพิ่มขึ้นหรือปรับลดลงโดยดูจากความชันของจุดข้อมูลที่เราทำการ Train แต่ละครั้ง

“แล้วเราจะดูความชันอย่างไร”

เราจะใช้คณิตศาสตร์ Calculus ในเรื่องของการหาอนุพันธ์(derivative) นั่นเอง โดยการหาอนุพันธ์ (derivative) ของฟังก์ชันใดๆ จะได้สมการความชันของฟังก์ชันนั้นๆ

ยกตัวอย่างการหาอนุพันธ์

สมมุติเรามีสมการ

หรืออาจจะเขียนใหม่ได้ว่า

ซึ่งสามารถนำสมการมาวาดกราฟได้ดังนี้

ทำการอนุพันธ์สมการ

จะได้

จะเห็นว่าสมการ

จะเป็นสมการที่บอกความชัน ณ จุดใดๆ ของสมการ

เช่นเราต้องการรู้ความชัน ที่ x = -5  เราก็เอาค่า x ไปแทนในสมการ

ซึ่งค่าความชันที่ได้เป็น -10 ดังรูป

หรือหากเราต้องการจะรู้ความชันที่ x=5 เราเอาค่า x ไปแทนในสมการ

ค่าความชันที่ได้เป็น 10 ดังรูป

จากตัวอย่างจะเห็นว่า การหาอนุพันธ์ จะได้สมการที่บอกความชันของแต่ละจุดซึ่งความชันที่ได้จะมีค่า เป็นจำนวนเต็มบวก หรือจำนวนเต็มลบ

โดย

ค่าเป็นจำนวนเต็มลบ จะหมายถึงกราฟมีความลาดชันลง

 ค่าเป็นจำนวนเต็มบวก จะหมายถึงกราฟมีความลาดชันขึ้น

ซึ่งหากเรารู้ว่าค่าความชันเป็นจำนวนเต็มบวก เราก็ต้องลดค่า x ลง เพื่อให้เข้าใกล้ก้นรูประฆัง

แต่หากเรารู้ว่าค่าความชันเป็นจำนวนเต็มลบ เราก็ต้องเพิ่มค่า x ขึ้น เพื่อให้เข้าใกล้ก้นรูประฆังเช่นกัน

เราจึงเอาความชันนี่แหละมาประยุกใช้ในการปรับ Model

“การเอามาประยุกต์ใช้”

จากที่เรารู้ว่าสมการในการตรวจสอบความคลาดเคลื่อนของ Model ที่เรียกว่า Cost Function ซึ่งเราใช้สมการที่เรียกว่า Mean Squared Error (MSE) ที่มีหน้าตาสมการดังนี้

เราก็เอาสมการดังกล่าวมาเข้าอนุพันธ์ก็จะได้

เราก็จะได้สมการที่ใช้ในการบอกความชันแล้วครับ

หลังจากเราได้สมการความชันของ Cost Function แล้วเราก็จะเอาสมการดังกล่าวมาใช้ในการปรับค่า m และ b  ครับ

เพื่อให้เข้าใจในการทำงานมากขึ้นจะมีการทำงานของ Machine learning ดังนี้

• ข้อมูลที่เรามีอยู่แล้ว(Feature)และรู้ผลลัพธ์อยู่แล้ว(Label)ให้ Machine learning ทำการเรียนรู้

Feature ในที่นี้พื้นที่ (m2)	Label ในที่นี้คือค่าเช่าหอต่อเดือน (บาท)
22.5	2100
24	2800
26	3250
26.5	3600
30	3800
32	4300
34.5	4600
36.5	5000
38	5800
42	7000

• โดยในการเรียนรู้นั้นตอนแรก ML จะสร้าง Model ขึ้นมาก่อนซึ่ง Model ดังกล่าวยังไม่สามารถทำนายข้อมูลได้ถูกต้อง

• Model ในที่นี้คือ สมการเส้นตรง y=mx+b (y คือ ราคาของห้อง, x คือ พื้นที่ของห้อง)
• ในการสร้าง Model โดยการสุมค่า m และ b ขึ้นมา สมุติสุ่มค่า m ได้ 210 สุ่มค่า b ได้ -2600 (m=210, b=-2600)
• ซึ่ง Model ที่เกิดจากการสุ่มค่า m และ b นั้นยังไม่สามารถทำนายข้อมูลได้ถูกต้อง

• จึงต้องเข้าสู่กระบวนการ Train ข้อมูลเพื่อทำการปรับ Model ให้ถูกต้องมากที่สุดโดยกระบวนการ Train จะทำงานโดยการนำ Model มาทำนายผลจากข้อมูล(Feature)

• จาก model ที่เรามีคือ y=210x-2600 (y คือ ราคาของห้อง, x คือ พื้นที่ของห้อง)
• ทำนายราคาห้อง(y) เมื่อมีขนาดพื้นที่ห้องเป็น 22.5 ตารางเมตร (x=22.5) ดังนั้น y = 210(22.5)-2600 = 2125

• ซึ่งก็จะมีทั้งการทำนายที่คลาดเคลื่อนกับความเป็นจริงไปมาก หรือใกล้ความเป็นจริง (ในการดูข้อมูลว่าผลทำนายที่ได้ คลาดเคลื่อนไปมากหรือใกล้ความเป็นจริงเราใช้ Cost Function ในการดู)

• เราจะใช้ Cost Function ในการตรวจสอบความคลาด จากสมการ Cost Function ซึ่งเราจะใช้สมการที่ชื่อว่า Mean Squared Error (MSE) ในการทำ Cost function ดังนี้

• เราเอาค่า m และ b มาแทนในสมการ

• เราก็เอาข้อมูล Feature ที่เรามีทั้งหมดมาทำนายก็จะได้ดังนี้ครับ

• จะเห็นว่าค่า cost function ที่ได้เป็น 1519000 

• ก็นำเอาค่าความเคลื่อนที่ได้ ไปปรับ Model เข้าหาผลลัพธ์ที่ถูกต้อง

• จากสมการความชันที่ทำอนุพันธ์กับสมการ Cost Function ซึ่งจะได้ดังนี้

• จะเห็นว่าค่าความชันของ m จะมีค่าเท่ากับ -17720 ซึ่งเป็นตัวเลขติดลบแสดงว่าเราต้องบวกค่า m เพิ่มเพื่อให้ความชันใกล้ศูนย์
• ค่าความชันของ b จะมีค่าเท่ากับ -546 ซึ่งเป็นตัวเลขติดลบแสดงว่าเราต้องบวกค่า b เพิ่มขึ้นเพื่อให้ความชันใกล้ศูนย์
• จากค่า m และ b ใน model เดิมคือ 210 และ 2600 เราจะทำการปรับดังนี้ครับ
• m = m – ((-17720) * LearningRate) = 210-((-17720) * 0.001) = 227.72
• b=b-((-546)*LearningRate) = -2600-((-546)*0.001) = -2,599.454
• จากสมการ เราจะเอาค่าที่ได้จากการคำนวณความชันที่ได้มาปรับ model หรือก็คือการปรับค่า m และ b ใหม่ จากสมการจะเห็นว่าจะมีตัวแปรหนึ่งที่ชื่อว่า LearningRate มาคูณก่อนแล้วคอยไปปรับค่า ซึ่ง LearningRate จะเป็นค่าคงที่ ในที่นี้ผมให้มีค่าเป็น 0.001 ดังนั้นค่าใหม่ที่ได้ก็จะเป็น m = 211.772 และ b = -2,599.9454

• หลังจากนั้นจะทำการ Train ไปเรื่อยๆและปรับค่า Model ไปเรื่อยๆ(คือการปรับค่า m และ b)
• จนใกล้เคียงข้อมูลจริงมากที่สุด

สุดท้ายนี้หวังว่าโพสน์นี้จะมีประโยชน์สำหรับแนวทางในการเริ่มต้นศึกษา Machine learning ครับและหากใครอยากทดลองเขียนโปรแกรม Linear เองสามารถดู code ได้ที่ https://github.com/CakeNuthep/Linear-Regression