هیبرید شبکه عصبی نگاشت خود سازمانده با مدل مخفی مارکف در بازشناسی گفتار پیوسته زبان فارسی
محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,031
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI09_038
تاریخ نمایه سازی: 4 بهمن 1386
چکیده مقاله:
مدل مخلفی مارکف یکی از روشهای پر استفاده در بازشناسی گفتار است و در اغلب موارد کارایی خوبی از خود نشان داده است. استفاده از شبکه عصبی نیز در سیستم های شناسایی الگو متداول می باشد و در بازشناسی گفتار نیز بکار گرفته شده است. از انجایی که هر یک از این دو روش دارای نقاط ضعف و قوتی می باشند، به منظور بهره گیری از نقاط قوت مدل مخفی مارکف و شبکه های عصبی، یک مدل هیبرید متشکل از مد مخفی مارکف پیوسته و شبکه عصبی نگاشت خودسازمانده برای مدل کردن واجها پیاده سازی و برای بازشناسی گفتار پیوسته مورد استفاده قرار داده ایم و توانسته ایم با استفاده همزمان از بردارهای وزن شبکه عصبی و توابع چگالی احتمال مدل مخفی مارکف، راندمان سیستم هیبرید را نسبت به سیستمی که تنها با استفاده همزمان از بردارهای وزن شبکه عصبی و توابع چگالی احتمال مدل مخفی مارکف، راندمان سیستم هیبرید را نسبت به سیستمی که تنها از مدل مخفی مارکف استفاده شده است، بطور متوسط تاحدود 1/6 درصد بهبود بخشیم. در سیستم هیبریدی که برای بازشناسی گفتار پیوسته و مستقل از گوینده زبان فارسی پیاده سازی نمودیم در بهترین حالت و بدون استفاده از مدل های زبانی دقت 56/8 درصد رادر سطح جمله بدست آورده ایم.
کلیدواژه ها:
نویسندگان
محمدمهدی همایون پور
آزمایشگاه سیستم های هوشمند صوتی - گفتاری، دانشکده مهندسی کامپیوتر و ف
حمید پایگذار
آزمایشگاه سیستم های هوشمند صوتی - گفتاری، دانشکده مهندسی کامپیوتر و ف
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 :