ترکیب مدل مخفی مارکوف و شبکه عصبی برای بهبود تخمین مرز واجها در تقطیع دادگانهای زبان فارسی

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,767

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI12_367

تاریخ نمایه سازی: 23 دی 1386

چکیده مقاله:

در این مقاله روشی خودکار برای تقطیع واجها در گفتار فارسی ارائه خواهد ش د . این روش برای ساخت تقطیع دادگا ن ها به منظور استفاده در سیستم های بازشناسی گفتار و تبدیل متن به گفتار کاربرد دار د . هدف اصلی روش آن است که تخمین اولی ه ای که توسط الگوریتم ویتربی مبتنی بر مدل مخفی مارکوف صورت م ی گیرد را بهبود بخشد. برای این منظور از شبکه چند لایه پرسپترونی برای بهبود مرز واجها استفاده شده است. در این روش شبکه عصبی چند لایه پرسپترونی، گذر از یک واج به واج دیگر را آموزش می بیند. دادههای آموزشی از فای ل هایی که بصورت دستی برچس ب گذاری شده اند، تهیه م ی شوند. روش ارائه شده موجب کاهش خطاهای تقطیع می گردد. این روش موجب رسیدن کارای ی در حالت مستقل از گوینده به ۷۱ % و در حالت وابسته به گوینده به ۹۴ % برای تشخیص صحیح مرزها با خطای کمتر از ms ۲۰ می شود.

کلیدواژه ها:

تقطیع واجها ١ ، ترازبندی تحمیلی ، شبکه عصبی چند لایه پرسپترونی ، شناسایی خودکار گفتار ، تبدیل متن به گفتا ر ، مدل مخفی مارکوف

نویسندگان

محمد مهدی همایونپور

عضو هیات علمی دانشگاه، دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپ

بهزاد بختیاری

دانشجوی کارشناسی ارشد هوش مصنوعی و روباتیک, دانشگاه صنعتی امیرکبیر، د

مجید نم نبات

دانشجوی کارشناسی ارشد هوش مصنوعی و روباتیک, دانشگاه صنعتی امیرکبیر، د