بهبود بازشناسی گفتارتوسط شبکه های عصبی دربرگیرنده الگوهای زمانی

سال انتشار: 1386
محل انتشار: سومین کنفرانس بین المللی فناوری اطلاعات و دانش
کد COI اختصاصی: ICIKT03_075
زبان مقاله: فارسی
تعداد مشاهده: 1103

نویسندگان

دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر

چکیده

الگوهای زمانی یا"Temporal Patterns" از جمله ویژگی های موثر در بهبود بازشناسی گفتار می باشند . از آنجا که شبکه های عصبی MLP ، جزو طبقه بندی کننده های قدرتمند استاتیک می باشند، اگر بخواهیم از این نوع ساختار شبکه ای در بازشناسی گفتار استفاده کنیم، بهتر است به هر صورت ممکن، شبکه را وادار سازیم، الگوهای زمانی را از دنباله ویژگی های ورودی یادگیری نموده و آن را در فرآیند دسته بندی قاب های ورودی گفتار دخالت دهد . در این مقاله، با بررسی و آزمایش این شبکه و مدل های دیگر شبکه ایِ که به صورتی قوی تر به پردازش و یادگیری ویژگی های مبتنی بر الگوهای زمانی می پردازند، سعی در افزایش کارایی سیستم های بازشناس گفتار پیوسته و مستقل از گوینده خواهیم داشت . همچنین به تحلیل نوع عملکرد این روش ها و مدل های مبتنی بر آن ها خواهیم پرداخت . با در نظر گرفتن نتایج یک مدل پایه بازشناس "TDNN" که بازدهی حدود %83,7 بر روی داده تست انتخابی ما از دادگان فارس دات داشته است، با استفاده از یک مدل ترکیبی ارائه شده در تحقیق حاضر، میزان بازشناسی %88,1 در دادگان آزمون تمیز حاصل شده است . در حالی که مدل ترکیبی پیشنهادی، نسبت به مدل پایه بازشناس "TDNN" در شرایط نویز شدید، بین 7 تا 20 درصد مقاوم تر از شبکه "TDNN" عمل می نماید . همچنین مدل ترکیبی دیگری معرفی می گردد که به علت استفاده متمرکزتر از ویژگی الگوهای زمانی، مقاوم تر از مدل ترکیبی اولیه، در شرایط نویز شدید عمل می نماید .

کلیدواژه ها

استخراج ویژگی، الگوهای زمانی، بازشناسی گفتار، مقاوم سازی ویژگیها، شبکه عصبی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.