در این مقاله به معرفی شبکه های عصبی پیمانه ای عمیق و قابل رشد به منظور بهبود بازشناسی گفتار پیوسته پرداخته می شود. ساختار این شبکه ها و روش‎های پیش‎تعلیم معرفی شده برای آنها بگونه ای است که درعین هماهنگی با ساختار گفتار، در حافظه و محاسبات لازم صرفه جویی میشود. بدلیل قابلیت رشد این ساختارها، می توان در تعلیم آنها اطلاعات فضایی-زمانی بردارهای بازنمایی در ورودی و اطلاعات فضایی-زمانی برچسب آوایی آ...

در این پروژه، استفاده از آنالیز مولفه مستقل خطی (lica) با توجه به قدرت آن در مدل کردن اطلاعات آماری مرتبه بالای گفتار مورد بررسی قرار گرفته است. ما از این روش برای تطبیق هرچه بیشتر بخش استخراج ویژگی با داده مورد پردازش استفاده کردیم.در بخشی از کار از آن برای تخمین فیلتربانک مبتنی بر داده استفاده کردیم و نشان دادیم که فیلتربانک بدست آمده از این روش قادر است ویژگیهایی را استخراج کند که مقاومت بیش...

در این پایان‎نامه دو روش استخراج ویژگی جدید که برای بازشناسی گفتار مفید است، ارائه شده است. ایده اصلی این پایان‎نامه، ارائه یک ساختار منعطف برای بانک فیلتر می‎باشد که به داده‎های آموزشی وابسته است. درحالی‏که سایر روش‎های استخراج ویژگی نظیر mfcc، ساختار بانک فیلتر ثابت و غیرمنعطفی را ارائه می‎دهند. برای پیاده‎سازی هر دو ایده، ابتدا، تعدادی فیلتر یکسان در نظر گرفته می‏شود. سپس، در روش اول، برمبنا...

در این پژوهش، به بررسی آکوستیکی 100 دقیقه مکالمات ضبط شده از 10 سخنگوی مرد و زن زبان فارسی و معیارهای بازشناسی سخنگو بر مبنای آواشناسی حقوقی پرداخته شده است. داده های صوتی مورد بررسی شامل حدود 70 دقیقه تلفظ جداگانه 192 هجا و 280 واژه و 30 دقیقه گفتار پیوسته بود که در مجموع 15000 داده صوتی را تشکیل می داد. در این پژوهش سعی بر آن بود تا با بررسی آکوستیکی دقیق و جامع داده های صوتی، الگوها و مشخص...

افت شنوایی به معنی کاهش توانایی درک صداست و در حقیقت جزء ناتوانیهایی محسوب میشود که هرگز به چشم دیده نمی شود ولی به عنوان معلولیتی شدید به حساب میآید. این مشکل به عنوان شایع ترین نقص های مادرزادی در نوزادان محسوب می شود، بطوریکه از هر هزار نوزاد، چهار نوزاد ناشنوا و یا به همراه افت شنوایی شدید بدنیا می آید. تشخیص زودرس کاهش شنوائی جهت تکامل گفتار، زبان و توانایی های شناختی و روانی- اجتماعی اهمی...

مدل پنهان مارکف جهت بازشناسی متون فارسی مناسب است . در این پایان نامه روشی جدید و موثر براساس این نظریه مطرح شده است . در مرحله پیش پردازش برای فائق آمدن بر نویزهای موجود در تصاویر ورودی، چندین عملی پیش پردازشی از قبیل فیلتر کردن میانه ای، باینری کردن، اعمال فیلترهای مورفولوژیکی، نرمالیزه کردن و متمرکز کردن انجام شده است . در مرحله استخراج مشخصه ها چهار نوع بردار مشخصه براساس روش rpct از هر کار...

Although researches in the field of Persian speech recognition  claim  a  thirty-year-old  history in Iran  which has achieved considerable progresses, due to the lack of well-defined experimental framework, outcomes from many of these researches are not comparable to each other and their accurate assessment won’t be possible. The experimental framework includes ASR toolkit and speech database ...

در منابع زبان‌شناسی غربی، juncture اصطلاحی است تخصصی در حوزۀ واج‌شناسی که سابقۀ آن به ساخت‌گرایی آمریکا بازمی‌گردد. مفهوم مورد اشارۀ این اصطلاح، علاوه بر واج‌شناسی، در حوزۀ ادراک گفتار، در روان‌شناسی زبان وتبدیل متن به گفتار، در بازشناسی گفتار و در زبان‌شناسی رایانشی نیز از اهمیت ویژه‌ای برخوردار است. در آثار آواشناسی و واج‌شناسی زبان فارسی، در برابر juncture، معادل «درنگ» به کار رفته‌ است که ا...

بازشناسی گوینده به تشخیص افراد مختلف از طریق صدای آن ها گفته می شود. سامانه هایی بازشناسی گوینده طی سه مرحله استخراج ویژگی، محاسبه امتیاز مدل و تصمیم گیری بر اساس امتیاز حاصل، گوینده های متفاوت را از یکدیگر جدا می کنند. مهمترین چالش چنین سامانه هایی تغییر شرایط ضبط گوینده می باشد که به مسأله متغیر بودن کانال مشهور است. روش های متفاوتی برای غلبه بر مشکل تغییر کانال در هر سه مرحله ارائه شده است. ...

در سالهای اخیر بازشناسی احساس به عنوان روش جدیدی برای تعامل انسان با کامپیوتر مورد توجه و موضوع تحقیقات زیادی بوده است. احساس، در قالب حرکات چهره، لحن و متن گفتار، حرکات دست و بدن و علایم زیستی مانند ضربان قلب بروز می یابد. تحقیقات موجود در حیطه بازشناسی احساس را می توان به سه گروه عمده تقسیم کرد. گروه اول، یکی از منابع مانند گفتار یا حرکات چهره را برای بازشناسی احساس استفاده می کنند. گروه دوم،...