CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص جنسیت به کمک شبکه عصبی MLP ، شبکه عصبی ژنتیکی و شبکه Anfis

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۸۲۱ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_202
زبان مقاله: فارسی
حجم فایل: ۵۹۲.۲۳ کلیوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص جنسیت به کمک شبکه عصبی MLP ، شبکه عصبی ژنتیکی و شبکه Anfis

  محمد علی کیوان راد - دانشکده کامپیوتر دانشگاه امیرکبیر
  محمد مهدی همایون پور - دانشکده کامپیوتر دانشگاه امیرکبیر

چکیده مقاله:

در این مقاله ایده و روش های جدیدی برای تشخیص اتوماتیک جنسیت پیشنهاد و آزمایش گردیده است. از جمله این روش ها می توان به استفاده از شبکه عصبی MLP ترکیب شده با الگوریتم ژنتیک برای تنظیم بهتر وزن های شبکه، استفاده از شبکه عصبی ANFIS و تطبیق آن برای تشخیص جنسیت و تلفیق شده آن با روش FCM نام برد. بهترین نتیجه از شبکه Anfis ترکیب شده با FCM بدست آمد. ضمن این که روش های دیگر نیز از کارایی بسیار خوبی برخوردار بودند. بهترین نتیجه برای دادگان TIMIT برابر 97/5% و برای دادگان OGI برابر 96/31% بدست آمد. این دقت بالا در دادگان OGI که دادگانی تلفنی چند زبانه با SNR پائین است نشان می دهد که روشهای پیشنهادی در برابر تغییر زبان گوینده و کیفیت پائین داده های گفتاری مقاوم هستند. علاوه بر این به کمک شبکه عصبی ژنتیکی، شبکه ای سریع ساخته شد که بتواند تنها با 3 نرون در لایه میانی به دقتی مشابه شبکه عصبی MLP برسد.

کلیدواژه‌ها:

تشخیص جنسیت، شبکه عصبی MLP ، الگوریتم ژنتیک، شبکه Anfis

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_202.html
کد COI مقاله: ACCSI14_202

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کیوان راد, محمد علی و محمد مهدی همایون پور، ۱۳۸۷، تشخیص جنسیت به کمک شبکه عصبی MLP ، شبکه عصبی ژنتیکی و شبکه Anfis، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_202.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کیوان راد, محمد علی و محمد مهدی همایون پور، ۱۳۸۷)
برای بار دوم به بعد: (کیوان راد و همایون پور، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • R. D. R. Fagundes, A. A. C. Martins, F. Comparsi ...
  • H. Harb, and C. Liming, "Gender identification using a general ...
  • W. H. Abdulla, and N. K. Ka _ abov , ...
  • H. Harb, and L. Chen, ،0Voice-based gender identification in multimedia ...
  • J. J. Godfrey, E. C. Holliman, and J. McDaniel, _ ...
  • S. Mostafa Rahimi Azghadi, M. Reza Bonyadi, and H. S ...
  • Y. K. Muthusamy, R. A. Cole, and B. T. Oshika, ...
  • J. Garofolo, L. Lamel, W. Fisher et al., ،، DARPA ...
  • K.-H. Lee, S.-I. Kang, D.-H. Kim et al., ،A Support ...
  • J. Silovsky, and J. Nouza, *'Speech, Speaker and Speaker's Gender ...
  • P. Loizou , COLEA: A MATLAB software tool for speech ...
  • J .S. R. Jang, ،ANFIS: adaptive _ netw ork-based fuzzy ...
  • M. Delgado, A. F. Gomez -Skarmeta, and F. Martin, ،0A ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۹۵۳۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.