تشخیص گفتار با استفاده از ماشین بردار پشتیبان

تحقیقات اخیر در حوزه یادگیری ماشین بر روی مدل هایی مانند ماشین بردار پشتیبان (SVM) تمرکز کرده است که به طور خودکار کنترل تعمیم و پارامتری سازی را به عنوان بخشی از فرآیند بهینه سازی کلی انجام می دهند. در این تحقیق، نشان داده می شود که SVM ها باعث بهبود قابل توجهی در عملکرد در یک وظیفه طبقه بندی الگوی استاتیک بر اساس داده های صدای حروف برجسته دتردینگ می شوند. همچنین، یک کاربرد SVM در تشخیص گفتار با واژگان بزرگ شرح داده شده و بهبود در نرخ خطای OGI Alphadigits و Switchboard نشان داده شده است. مسائل مرتبط با توسعه و بهینه سازی یک سیستم ترکیبی SVM/HMM نیز بررسی شده است.

Keywords:

ماشین بردار پشتیبان , صوت , HMM , SVM , SWB