بازشناسی گفتار پیوسته فارسی بر مبنای مدل سازی وقایع گسسته صوتی
Publish place: 10th Iranian conference on Biomedical Engineering
Publish Year: 1380
Type: Conference paper
Language: Persian
View: 1,854
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICBME10_005
Index date: 9 June 2008
بازشناسی گفتار پیوسته فارسی بر مبنای مدل سازی وقایع گسسته صوتی abstract
در اینجا یک مدل وقایع گسسته برای بازشناسی گفتار پیوسته فارسی مستقل از گوینده ارائه شده است. در این مدل شبکه عصبی جلو سری با تأخیر زمانی TDNN با دو لایه پنهان برای بازشناسی وقایع صوتی سیگنال گفتار تعلیم داده شده است. وقایع (events)، اتفاقات گذرا و لحظه ای خاصی هستند که در سیگنال صحبت رخ می دهند و حاوی اطلاعات قابل توجهی می باشند. در تعریف آنها از تجربیات زیست شناختی و عصب شناختی شنوایی و همچنین اطلاعات زبانشناختی و بررسی نحوه تولید آواهای زبان فارسی استفاده شده است. علاوه بر آن با تحلیل خطاهای سیستم های بازشناسی بر پایه فریم و یا بر پایه بازشناسی مرز واج‌ها و انجام آزمایشات ریاضی مختلف بر روی پارامترها سعی شده کلاس‌های مختلف وقایع به گونه‌ای معرفی شوند که بیانگر نواحی گذرا و سریع سیگنال باشند و تناقضات موجود در نحوه برچسب دهی واحدها که مانع از یادگیری کامل شبکه ها می شدند را نیز برطرف کنند. در آزمایش از دادگان فارس دات و پارامترهای LHCB استفاده شده است و میزان صحت شناسایی وقایع توسط برنامه استاندارد NIST استخارج شده که نتایج در مقایسه با سایر روشها امیدوار کننده است.
بازشناسی گفتار پیوسته فارسی بر مبنای مدل سازی وقایع گسسته صوتی Keywords:
بازشناسی گفتار پیوسته فارسی بر مبنای مدل سازی وقایع گسسته صوتی authors
مریم یزدان
کارشناس ارشد بویالکتریک، استادیار
سیدعلی سیدصالحی
استادیار دانشگاه صنعتی امیرکبیر، مهندسی پزشکی مرکز تحقیقات پر
محمود بیجن خان
دانشگاه تهران، گروه زبانشناسی
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 :