شقایق رضا - پژوهشکده پردازش هوشمند علایم RCISP گروه پردازش صوت و زبان طبیعی تهران
جهانشاه کبودیان - گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه رازی کرمانشاه
طاهره امامی آزادی - پژوهشکده پردازش هوشمند علایم RCISP گروه پردازش صوت و زبان طبیعی تهران

به تشخیص زبان ازروی سیگنال گفتارشناسایی خودکارزبان گفتاری گفته میشود درسیستم های ابتدایی شناسایی زبان مبتنی برطیف گفتار هرزبان با یک مدل مخلوط گوسی بااستفاده ازمعیار بیشینه احتمال ML و الگوریتم بهینه سازی EM مدل میشود دراین مقاله ازروش تمایزی MMI برای تعلیم مدل مخلوط گوسی استفاده شده است برای مدل کردن دینامیک زبان مدل مخلوط گوسی تعلیم یافته ب الگوریتم MMI را با مدل پنهان مارکوف ارگودیک EHMM جایگزین کرده ایم باتوجه به نتایج ازمایشها خطای EER این روش نسبت به الگوریتم MLحدود 17درصد کاهش یافته است دراین مقاله ازیک روش تمایزی دیگر بانام GSV/SVM نیز برای بازشناسی زبان استفاده شده است دراین روش ازهرداده ی تعلیم یک ابربردارگوسی استخراج شده و این ابربردارها توسط SVM طبقه بندی میشود کیفیت نتاجی این روش بسیارمناسب است به قسمی که خطای eER نسبت به الگوریتم ML حدود 23درصد کاهش یافته است ازانجا که زمان اجرای برنامه بااین روش طولانی است با استفاده ازیک الگوریتم برگشت به حوزه ی مدل MP زمان اجرای برنامه را به میزان قابل توجهی کاهش داده ایم

آموزش تمایزی ، ابربردارگوسی ، ماشین بردارمرزی ، بیشینه کردن اطلاعات متقابل ، شناسایی خودکارزبان گفتاری ، مدل پنهان مارکوف