ایمان اسماعیلی - دانشگاه شاهد
منصور ولی - دانشگاه شاهد

سیستمهای تعلیم یافته با گفتار میکروفنی باند پهن در محیط تلفنی دارای صحت بازشناسی بسیار پایینی هستند. در این مقالهابتدا با استفاده از شبکه عصبی دو سویه بردارهای بازنمایی گفتار تلفنی در جهت انطباق با بردارهای بازنمایی گفتار میکروفنی اصلاح می شوند.در مرحله بعد مدل جدیدی با استفاده از بردارهای اصلاح شده آموزش داده می شود و بردارهای بازنمایی یک مرحله دیگر اصلاح می شوند.بردارهای بازنمایی یک مرحله اصلاح شده و دو مرحله اصلاح شده برای تعلیم مدلهای مخفی مارکف به کار گرفته شده اند. در این مرحله درصدبازشناسی مدلهای تعلیم یافته توسط بردارهای بازنمایی میکروفنی که توسط بردارهای بازنمایی یک مرحله اصلاح شده و دو مرحله اصلاح شده تلفنی ارزیابی شده اند، به ترتیب 22/3 درصد و 26/6 درصد افزایش می یابد. در ادامه کار روش اصلاح بردارهای بازنمایی با تکنیک شبکه عصبی دوسویه با روشهای معمول تطبیق مدل (MAP, MLLR و MAP+ MLLR) ترکیب می شود. درصد بازشناسی ترکیب بردارهای اصلاح شده با تکنیکهای MAP, MLLR و MAP+ MLLR به ترتیب 37/7 درصد، 39/6 درصد و 40/2 درصد نسبت به مدل آموزش دیده با بردارهای بازنمایی اصلاح نشده افزایش می یابد.

اصلاح بردارهای بازنمایی، تطبیق مدل، شبکه عصبی دوسویه، مدل مخفی مارکف