بهبود بازشناسی گفتارتوسط شبکه های عصبی دربرگیرنده الگوهای زمانی
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 1,212
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICIKT03_075
Index date: 10 April 2008
بهبود بازشناسی گفتارتوسط شبکه های عصبی دربرگیرنده الگوهای زمانی abstract
الگوهای زمانی یا"Temporal Patterns" از جمله ویژگی های موثر در بهبود بازشناسی گفتار می باشند . از آنجا که شبکه های عصبی MLP ، جزو طبقه بندی کننده های قدرتمند استاتیک می باشند، اگر بخواهیم از این نوع ساختار شبکه ای در بازشناسی گفتار استفاده کنیم، بهتر است به هر صورت ممکن، شبکه را وادار سازیم، الگوهای زمانی را از دنباله ویژگی های ورودی یادگیری نموده و آن را در فرآیند دسته بندی قاب های ورودی گفتار دخالت دهد . در این مقاله، با بررسی و آزمایش این شبکه و مدل های دیگر شبکه ایِ که به صورتی قوی تر به پردازش و یادگیری ویژگی های مبتنی بر الگوهای زمانی می پردازند، سعی در افزایش کارایی سیستم های بازشناس گفتار پیوسته و مستقل از گوینده خواهیم داشت . همچنین به تحلیل نوع عملکرد این روش ها و مدل های مبتنی بر آن ها خواهیم پرداخت . با در نظر گرفتن نتایج یک مدل پایه بازشناس "TDNN" که بازدهی حدود %83,7 بر روی داده تست انتخابی ما از دادگان فارس دات داشته است، با استفاده از یک مدل ترکیبی ارائه شده در تحقیق حاضر، میزان بازشناسی %88,1 در دادگان آزمون تمیز حاصل شده است . در حالی که مدل ترکیبی پیشنهادی، نسبت به مدل پایه بازشناس "TDNN" در شرایط نویز شدید، بین 7 تا 20 درصد مقاوم تر از شبکه "TDNN" عمل می نماید . همچنین مدل ترکیبی دیگری معرفی می گردد که به علت استفاده متمرکزتر از ویژگی الگوهای زمانی، مقاوم تر از مدل ترکیبی اولیه، در شرایط نویز شدید عمل می نماید .
بهبود بازشناسی گفتارتوسط شبکه های عصبی دربرگیرنده الگوهای زمانی Keywords:
بهبود بازشناسی گفتارتوسط شبکه های عصبی دربرگیرنده الگوهای زمانی authors
یاسر شکفته
دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر
فرشاد الماس گنج
دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر
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 :