ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده ازروشهای تمایزی برای شناسایی خودکارزبان گفتاری

تعداد صفحات: 6 | تعداد نمایش خلاصه: 260 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: ICBME20_085
زبان مقاله: فارسی
(فایل این مقاله در 6 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.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت 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 6 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده ازروشهای تمایزی برای شناسایی خودکارزبان گفتاری

شقایق رضا - پژوهشکده پردازش هوشمند علایم RCISP گروه پردازش صوت و زبان طبیعی تهران
جهانشاه کبودیان - گروه مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه رازی کرمانشاه
طاهره امامی آزادی - پژوهشکده پردازش هوشمند علایم RCISP گروه پردازش صوت و زبان طبیعی تهران

چکیده مقاله:

به تشخیص زبان ازروی سیگنال گفتارشناسایی خودکارزبان گفتاری گفته میشود درسیستم های ابتدایی شناسایی زبان مبتنی برطیف گفتار هرزبان با یک مدل مخلوط گوسی بااستفاده ازمعیار بیشینه احتمال ML و الگوریتم بهینه سازی EM مدل میشود دراین مقاله ازروش تمایزی MMI برای تعلیم مدل مخلوط گوسی استفاده شده است برای مدل کردن دینامیک زبان مدل مخلوط گوسی تعلیم یافته ب الگوریتم MMI را با مدل پنهان مارکوف ارگودیک EHMM جایگزین کرده ایم باتوجه به نتایج ازمایشها خطای EER این روش نسبت به الگوریتم MLحدود 17درصد کاهش یافته است دراین مقاله ازیک روش تمایزی دیگر بانام GSV/SVM نیز برای بازشناسی زبان استفاده شده است دراین روش ازهرداده ی تعلیم یک ابربردارگوسی استخراج شده و این ابربردارها توسط SVM طبقه بندی میشود کیفیت نتاجی این روش بسیارمناسب است به قسمی که خطای eER نسبت به الگوریتم ML حدود 23درصد کاهش یافته است ازانجا که زمان اجرای برنامه بااین روش طولانی است با استفاده ازیک الگوریتم برگشت به حوزه ی مدل MP زمان اجرای برنامه را به میزان قابل توجهی کاهش داده ایم

کلیدواژه ها:

آموزش تمايزي ، ابربردارگوسي ، ماشين بردارمرزي ، بيشينه كردن اطلاعات متقابل ، شناسايي خودكارزبان گفتاري ، مدل پنهان ماركوف

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/340100/

کد COI مقاله: ICBME20_085

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:
رضا، شقایق و کبودیان، جهانشاه و امامی آزادی، طاهره،1392،استفاده ازروشهای تمایزی برای شناسایی خودکارزبان گفتاری،بیستمین کنفرانس مهندسی پزشکی ایران،تهران،،،https://civilica.com/doc/340100

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: (1392، رضا، شقایق؛ جهانشاه کبودیان و طاهره امامی آزادی)
برای بار دوم به بعد: (1392، رضا؛ کبودیان و امامی آزادی)
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

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

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