ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بازشناسی گفتار با استفاده از روش های مدلهای مخفی مارکوف و شبکه های عصبی مصنوعی و سیستم های بازشناسی گفتار ترکیب ANN/HMM

تعداد صفحات: 11 | تعداد نمایش خلاصه: 1080 | نظرات: 0
سال انتشار: 1393
کد COI مقاله: AIHE08_277
زبان مقاله: فارسی
(فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بازشناسی گفتار با استفاده از روش های مدلهای مخفی مارکوف و شبکه های عصبی مصنوعی و سیستم های بازشناسی گفتار ترکیب ANN/HMM

فاطمه صالحی - Department of Computer Engineering, Najafabad Branch, Islamic Azad University, Isfahan, Iran Faculty of Electrical and Computer Engineering, Computer and Communication Networks Research Group

چکیده مقاله:

هدف ایجاد یک سیستم بازشناسی گفتار است که قادر به بازشناسی ارقام فارسی می باشد. سیستم های بازشناسی رقم دارای تعداد لغات کم هستند و برای کاربردهای مرتبط با تلفن، مانند شماره گیری از راه دور و یا صدور صورتحساب تلفنی بسیار اهمیت دارند. مسئله ارقام مسئله قابل دسترسی است، زیرا تعداد لغات محدود و ثابت است. البته بالا بودن کارایی این بازشناسی ها به شدت اهمیت دارد، زیرا این سیستم ها نیاز به دقت بسیار بالایی دارند. برای پیاده سازی مدل ترکیبی ANN/HMM برای بازشناسی گفتار فارسی از جعبه ابزار CSLU استفاده شد. تعداد 210 نمونه از گفتارهای یک فرد مذکر جمع آوری شد پس از حذف نویز و 47 عدد از نمونه ها به صورت دستی بر چسب گذاری آوایی شد. سپس بوسیله آن نمونه های آموزشی باقیمانده بصورت خودکار بر چسب زنی گردیده و شبکه های عصبی ANN جدیدی برای بازشناسی نهایی از نوع MLP سه لایه ایجاد شد. این ANN ها دارای 130 گره در لایه ورودی، 20 گره در لایه خروجی بودند. گره های لایه های پنهان متغیر و برابر 200،160،100،60 گرفته شده و مقایسه ای بین آنها انجام شد. برای استخراج ویژگی از چهار روش شامل MEL (12 ضریب)، مشتق MEL (12 ضریب)، انرژی (1ضریب)، و مشتق انرژی(1 ضریب)، استفاده شد و مقادیر هر کدام از این چهار روش با هم ترکیب و به شبکه عصبی داده شدند. ( به 130 گره ورودی شبکه عصبی). با اعمال بازشناسی روی داده های تست 99/4 درصد، حتی در یک مورد به دقت 100 درصد رسیدیم که با توجه به تعداد کم داده های گفتاری، نتیجه بسیار مطلوبی می باشد.

کلیدواژه ها:

شبكه هاي عصبي مصنوعي، مدلهاي مخفي ماركوف، تبديل فوريه گسسته، رقم كننده بردار، كدينگ پيشگويانه خطي، الگوريتم ويتربي، بيشينه كردن اميد فازي، شبكه هاي عصبي احتمالي، شبكه هاي عصبي بازگشتي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/308277/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
صالحی، فاطمه،1393،بازشناسی گفتار با استفاده از روش های مدلهای مخفی مارکوف و شبکه های عصبی مصنوعی و سیستم های بازشناسی گفتار ترکیب ANN/HMM،کنفرانس ملی علوم مهندسی، ایده های نو (8)،تنکابن،،،https://civilica.com/doc/308277

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، صالحی، فاطمه؛ )
برای بار دوم به بعد: (1393، صالحی؛ )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 8,366
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی