بهبود بازشناسی گفتارتوسط شبکه های عصبی دربرگیرنده الگوهای زمانی
محل انتشار: سومین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,098
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT03_075
تاریخ نمایه سازی: 22 فروردین 1387
چکیده مقاله:
الگوهای زمانی یا"Temporal Patterns" از جمله ویژگی های موثر در بهبود بازشناسی گفتار می باشند . از آنجا که شبکه های عصبی MLP ، جزو طبقه بندی کننده های قدرتمند استاتیک می باشند، اگر بخواهیم از این نوع ساختار شبکه ای در بازشناسی گفتار استفاده کنیم، بهتر است به هر صورت ممکن، شبکه را وادار سازیم، الگوهای زمانی را از دنباله ویژگی های ورودی یادگیری نموده و آن را در فرآیند دسته بندی قاب های ورودی گفتار دخالت دهد . در این مقاله، با بررسی و آزمایش این شبکه و مدل های دیگر شبکه ایِ که به صورتی قوی تر به پردازش و یادگیری ویژگی های مبتنی بر الگوهای زمانی می پردازند، سعی در افزایش کارایی سیستم های بازشناس گفتار پیوسته و مستقل از گوینده خواهیم داشت . همچنین به تحلیل نوع عملکرد این روش ها و مدل های مبتنی بر آن ها خواهیم پرداخت . با در نظر گرفتن نتایج یک مدل پایه بازشناس "TDNN" که بازدهی حدود %83,7 بر روی داده تست انتخابی ما از دادگان فارس دات داشته است، با استفاده از یک مدل ترکیبی ارائه شده در تحقیق حاضر، میزان بازشناسی %88,1 در دادگان آزمون تمیز حاصل شده است . در حالی که مدل ترکیبی پیشنهادی، نسبت به مدل پایه بازشناس "TDNN" در شرایط نویز شدید، بین 7 تا 20 درصد مقاوم تر از شبکه "TDNN" عمل می نماید . همچنین مدل ترکیبی دیگری معرفی می گردد که به علت استفاده متمرکزتر از ویژگی الگوهای زمانی، مقاوم تر از مدل ترکیبی اولیه، در شرایط نویز شدید عمل می نماید .
کلیدواژه ها:
نویسندگان
یاسر شکفته
دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر
فرشاد الماس گنج
دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :