دسته بندی خودکار نشانه های صوتی با استفاده از شبکه عصبی مصنوعی
پایان نامه
- سایر - دانشکده صدا و سیمای جمهوری اسلامی ایران
- نویسنده سارا محمودان
- استاد راهنما ایوب بَنوشی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
دسته بندی یکی از شیوه های سازمان دهیِ اطلاعات برای بازیابی سریع آن هاست. لزوم دسته بندی نشانه های صوتی بر اساس محتوا در سازماندهی و مدیریت منابع در آرشیوهای رادیو و تلویزیون و اینترنت امری بدیهی است. از آن جا که طبقه بندیِ دستی، کاری وقت گیر و پرهزینه است، دسته بندی خودکار در این فرایند می تواند روشی ارزشمند برای سیستم های بازیابی اطلاعات و سازماندهی فایلهای صوتی بر اساس محتوا باشد. با گسترش صدای دیجیتال در سالهای اخیر، کاربرد فناوری تشخیص الگو در صدای دیجیتال رشد روز افزون یافته است. روش های مختلفی از جمله شبکه عصبی، برای دسته بندی خودکار مورد استفاده قرار می گیرد. با دادن ورودی های تکراری در گروه های دسته بندی شده به آن، این شبکه تشخیص معیارهای دسته بندی را می آموزد. و به این ترتیب می تواند ورودی های جدیدی را که در طی آموزش استفاده نکرده است ، دسته بندی کند. در این پژوهش، روشی برای دسته بندی دستگاه های موسیقی با استفاده از شبکه عصبیِ مصنوعی با توابعِ پایهِ شعاعی پیشنهاد می شود. دراین فرآیند شش دستگاه و یا آواز موسیقی ایرانی شامل (ماهور دو، بیات ترک دو، بیات اصفهان دو، چهارگاه دو، سه گاه می کرن و شور سل) مورد بررسی قرار می گیرند. برنامه با گرفتن تبدیل فوریه از قطعات ضبط شده، فرکانس های غالب را استخراج می کند و به عنوان الگوی ورودی به شبکه عصبی می دهد. در این روش از 135 داده برای آموزش و 60 داده برای آزمون شبکه استفاده می شود. و در نهایت سیستم باید دستگاه ماهور را از سایر دستگاه ها تمیز دهد. دقت طبقه بندی دستگاه ها در دو مجموعه ماهور و غیر ماهور به ترتیب 33/73% و 86% می باشد.
منابع مشابه
درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی
زعفران بهعنوان یک کالای تجاری مهم در کشور بهشمار می‌آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته‌بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می‌شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی‌های ظاهری آن امری اجتناب‌‌ناپذیر است؛ استفاده از تکنیک‌های مبتنی بر هوش مصنوعی می‌ت...
متن کاملبررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته بندی شده
بار رسوب جریان، شاخص مفیدی در پیشبینی فرسایش خاک در حوزههای آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب میتواند در مدیریت و اجرای پروژههای آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دستهبندی دادهها بهعنوان راهکاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانههای خلیفهترخان و چهلگزی در حوضۀ قشلاق...
متن کاملپیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی
پیشبینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، میتواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیشبینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزهای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیشبینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیشبینی زمان رخداد زلزله‌های آتی مورد تأیید ق...
متن کاملجداسازی پوسته از مغز گردو و دسته¬بندی مغز بر اساس رنگ با استفاده از گشتاورهای تغییرناپذیر تصویر، شبکه عصبی مصنوعی و روش آنالیز تشخیصی
متن کامل
طبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی
در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروه‌ها/جوامع‌گیاهی با استفاده از پایگاه اطلاعاتی ترکیب‌گیاهی جنگل‌های شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروه‌های بوم‌شناختی و جامعه‌شناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقه‌بندی مشتمل بر 7...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
سایر - دانشکده صدا و سیمای جمهوری اسلامی ایران
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023