بازشناسی مقاوم به نویز و تنوعات گفتار ازطریق به اشتراک گذاشتن مولفه های مشترک

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 953

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE19_054

تاریخ نمایه سازی: 14 مرداد 1391

چکیده مقاله:

یکی از روشهای بهبود عملکرد سامانه های بازشناسی دربرابر نویز و یا تنوعات ناخواسته استخراج اطلاعات مشترک بین داده های مختلف ورودی میب اشد درمورد شبکه هایی که ظرفیت پایینی دارند امکان ذخیره سازی الگوها به صورت مفاهیم جداگانه و بدون درنظر گرفتن اشتراکات آنها وجود ندارد لذا کیفیت بازشناسی افت پیدا می کند دراین مقاله ساختاری ارایه شده است که زیرفضای مشترک بین سیگنالهای گفتار را استخراج کرده و اطلاعات مشترک بین آنها بین داده های حاصل از گویندگان مختلف به اشتراک گذاشته شود ساختار چند تکلیفی شبکه این امکان را فراهم م یکند تااین زیرفضا به صورت یک جاذب پیوسته واحدشکل بگیرد که این جاذب نسبت به تنوعاتی مانند تغییرات گوینده درفضای ورودی پویا می باشد لذا داده های اغشته به نویز توسط یک نگاشت غیرخطی به یک مانیفولد پویا درابعاد پایین تر فیلتر می شوند

کلیدواژه ها:

استخراج مولفه های اساسی ، بازشناسی گفتار مقاوم به نویز ، به اشتراک گذاشتن مولفه های مشترک ، جاذب های پیوسته پویا ، یادگیری زیرفضا

نویسندگان

پروین زارعی اسکی کند

دانشگاه صنعتی امیرکبیر

سیدعلی سیدصالحی

دانشگاه صنعتی امیرکبیر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • ک.کریمی، ه کارگیری مشخصات گوینده در جهت بهبود کیفیت مدل ...
  • _ _ _ _ formed in recurrent neural networks, accepted ...
  • R.Hadsell, S.Chopra, Y.LeCun, Dimensionality Reduction by learning _ invariant mapping, ...
  • _ _ _ _ International Conference On Document Analysis and ...
  • Y.Bengio, Learning deep architectures for AI, Foundations and trends in ...
  • P.Vincent, H.Larochelle, Y.Bengio, P.A.Manzagol. Extracting and composing robust features with ...
  • M .Ranzato, Y.L.Boureau, Y. LeCun, Sparse feature learning for deep ...
  • R.Xu, D.Wunsch, Survey of Clustering Algorithms, IEE Trans. Neural Networks, ...
  • B.A. Olshausen, D.J.Field, Sparse coding with an overcomplete basis set:A ...
  • M. P. Gh aemmaghami, F.Razzazi, H.Sameti, S. Dabbaghchian, B.BabaAli, Noise ...
  • _ _ _ _ Vision Computing, 27, 2009, 1302-1312. ...
  • A.K.Jain, R.P.W.Duin, J.Mao, Statistical pattern recognition: A review, IEEE Trans., ...
  • I.B. Ciocoiu, Invariant pattern recognition using analog recurrent associative memories, ...
  • _ _ _ recognition, In Proceedings of the Computer Vision ...
  • نمایش کامل مراجع