بررسی عملکردشبکه های عصبی MLP و RBF برای تشخیص هویت گوینده مستقل ازمتن

صوت به دلیل ویژگیهای خاص آن امروزه درزمینه سیستم های امنیتی و تشخیص هویت کاربرد ویژه ای دارد دراین مقاله طراحی بررسی و مقایسه دونوع سیستم تشخیص هویت گوینده مبتنی برشبکه عصبی مصنوعی است باتوجه به حجم زیاد دادگان درسیستم های متداول مبتنی برفریم بندی ابتدا سعی شده است با خوشه بندی بردارهای ویژگی دادگان اموزشی حجم نمونه ها کاهش داده شود تا سرعت یادگیری و همگرایی شبکه های عصبی افزایش یابد بردارهای ویژگی ضرایب کپستروم هستند برای طبقه بندی دوسیستم جداگانه مبتنی برشبکه پرسپترون چندلایه MLP وشبکه با تابع پایه شعاعی RBF به کاررفته است نتایج نشان میدهند که استفاده ازخوشه بندی منجر به دقت قابل قبولی درتشخیص هویت گویندگان و کاهش محسوسی درزمان اموزش شبکه های عصبی میشود همچنین براساس ازمایشات شبکه MLP نرخ تشخیص بالاتری به میزان 6.67درصد نسبت به شبکه RBF درسیستم تشخیص هویت گوینده دارد

کلیدواژه ها:

تشخیص هویت گوینده ، شبکه عصبی ، MLP ، RBF