ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مقاوم سازی ویژگی های مل کپستروم نسبت به نویز با استفاده از شبکه باور عمیق

سال انتشار: 1394
کد COI مقاله: SPIS01_013
زبان مقاله: فارسیمشاهده این مقاله: 435
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

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 به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقاوم سازی ویژگی های مل کپستروم نسبت به نویز با استفاده از شبکه باور عمیق

مجتبی غلامی پور - دانشجوی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
بابک ناصر شریف - دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

چکیده مقاله:

ضرایب مل کپستروم جزو موفق ترین ویژگی ها برای بازشناسی گفتار تمیز هستند، لیکن کارایی آنها تحت تاثیر نویز به شدت کاهش می یابد. روش های مختلفی برای مقاوم سازی این ضرایب در شرایط نویزی پیشنهاد شده اند که معمولا به صورت تغییراتی در روند استخراج و یا پس پردازش بعد از استخراج عمل می کنند. در مقاله حاضر، پیشنهاد می شود که از شبکه های باور عمیق به عنوان یک روش پس پردازش جهت حذف نویز از ویژگی های مل کپستروم استفاده شود. علاوه بر این، شبکه باور عمیق برای استخراج ویژگی های آبشاری ( احتمالات پسین رخداد واج ها ) از ویژگی های حذف نویز شده مل کپستروم ( حاصل از مرحله قبل) بکار می رود تا ویژگی های متمایزسازتر و مقاوم تری به دست آیند. سپس بردار ویژگی مقاوم نهایی متشکل از ضرایب مل کپستروم حذف نویز شده در کنار ویزگی های آبشاری مذکور شکل می گیرد . نتایج ارزیابی بر رو دادگان Aurora2 نشان می دهد که بردار ویژگی پیشنهادی نهایی ، در مقایسه با روش های مشابه بهتر عمل می کند و بطور متوسط برای نسبت های سیگنال به نویز 0 تا 20 دسی بل دقت بازشناسی را برای ضرایب مل کپستروم در حدود 25% افزایش می دهد .

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SPIS01_013 میباشد و 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/516343/

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:
غلامی پور، مجتبی و ناصر شریف، بابک،1394،مقاوم سازی ویژگی های مل کپستروم نسبت به نویز با استفاده از شبکه باور عمیق،اولین کنفرانس بین المللی پردازش سیگنال و سیستم های هوشمند،تهران،https://civilica.com/doc/516343

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: (1394، غلامی پور، مجتبی؛ بابک ناصر شریف)
برای بار دوم به بعد: (1394، غلامی پور؛ ناصر شریف)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • _ _ _ and Language Processing, IEEE/ACM Transactions on, Vol. ...
  • Ikbal S., Misra H., Bourlard H., "Phase Autocorrelation Derived Robust ...
  • Hermansky H., Ellis D.P.W., Sharma S., "Tandem Connectionis Feature Extraction ...
  • Chang s., Wegmann s. "On the Importance of Modeling and ...
  • Bengio Y., "Learning Deep Architectures for AI", Foundations and Trends(f ...
  • Mohamed A., Dahl G.E., Hinton CG, "Acoustic Modeling Using Deep ...
  • _ _ Processing (ICASSP), pp. 7398-7402, 2013. ...
  • Du J., Wang O. Gao T., Xu Y., Dai L., ...
  • Vinyals O., Ravuri S.V., "Comparing Multilayer Perceptron to ...
  • _ _ and Sigmal Processing (ICASSP), pp. 7586-7590, 2013. ...
  • Processing (ICASSP), pp. 4596-4599, 2011. ...
  • _ _ _ _ _ _ under noisy condition", ISCA ...
  • Keyvanrad M. A., Homayounpour M. M., _ brief survey on ...
  • 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 دولتی
    تعداد مقالات: 10,436
    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