planung.md

@@ -39,6 +39,28 @@ u.g. priorisieren...
 1. Reproduktion/Vergleich Asse-Toolchain und DTA-Toolchain
 1. OCR-Toolchain(s) auf GT-Daten, damit weitere Fehlermodelle erzeugen
 
+|             | induktiv             | transduktiv                                 |
+|-------------|----------------------|---------------------------------------------|
+| überwacht   | 1) mit FST           |                                             |
+|             | 2) mit RNN           |                                             |
+| unüberwacht | 3) Denoising mit RNN | 4) Fehlermodell mittels EM |
+
+Für jedes der Experimente Tests auf
+1. den Asse-Daten
+1. den DTA-Daten
+
+durchführen und auch auf den jeweils anderen Daten testen.
+
+1. erste Tests auf Asse-Daten durchgeführt, Verbesserung der Performanz notwendig
+1. überwachtes Training mit echten Fehlerdaten, Umfang der Asse-Daten vermutlich zu gering für sinnvolle Ergebnisse
+1. Erzeugung von künstlichen Trainingsdaten durch absichtliches Verrauschen, siehe D'hondt et al. (2017)
+1. Fehlermodell pro Dokument mittels Expectation Maximization (EM) anpassen
+
+zu 2. + 3. Versuche zu
+
+1. Grapheingabe (Aggregation von Pfaden, Pruning von Pfaden)
+1. Baumausgabe (Sequence-to-Sequence mit Beam Search)
+
 ## Erledigt
 
 1. im Antrag referenzierte Arbeiten