برچسب زدن گفتار با استفاده از شبکه های عصبی مصنوعی
Publish place: 6th Intelligent Systems Conference
Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,334
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS06_048
تاریخ نمایه سازی: 18 تیر 1391
Abstract:
توانایی شبکه های عصبی مصنوعی در یادگیری موازی از یک طرف، اهمیت یادگیری در پردازش زبان از طرف دیگر توجه تعدادی از محققین در زمینه پردازش زبان طبیعی را به خود معطوف کرده است. در این مقاله از میان حوزههای پردازش زبان طبیعی، برچسب زدن گفتار با استفاده از شبکههای عصبی پرسپترون، 3M و شبکه عصبی خود سازمانده SOM مورد بررسی قرار گرفته است. هر کدام از شبکههای عصبی فوق الذکر عمل برچسب زدن را با توجه به کل جمله و با استفاده از مدل خاصی انجام میدهد. بعنوان مثال استفاده از یک پایگاه قوانین در کنار شبکه عصبی پرسپترون باعث افزایش دقت نهایی میشود. در صورتی که خطای پوسته زیاد باشد، شبکه پرسپترون با توجه به پیچیدگی مسئله همگرا نمیشود، در این موارد از شبکه عصبیM استفاده میشود که هنگام یادگیری قابلیت تصحیح برخط پوسته را دارا است. شبکه عصبی SOM نیز با استفاده از خوشهبندی و تعریف معیار فاصله، کلمات را برچسب میزند.
Keywords:
Authors
ستار هاشمی
دانشجوی دکتری کامپیوتر گرایش هوش مصنوعی
ناصر مزینی
دانشگاه علم و صنعت ایران - دانشکده کامپیوتر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :