بررسی مدل های ANN/HMMو fuzzy HMM در بازشناسی گفتار اتوماتیک (ASR)
برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود
تکه هایی از متن به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:
علیرغم پیشرفت های صورت گرفته در دهه های اخیر، بازشناسی گفتار خودکار (ASR) کماکان عملیات دشوار و پرچالشی است. بطور خاص سیستم های بازشناسی مبتنی بر مدل های مارکف مخفی (HMM) تحت شرایط مختلف کارایی خوبی دارند، ولی با موانعی روبرو هستند که قابلیت های آن ها را در بازشناسی، در محیط دنیای واقعی محدود می سازد. برای غلبه بر این مشکل شبکه های عصبی مصنوعی (ANNs) به عنوان یک جایگزین در ASR به کار گرفته شدند. ولی این شبکه ها در مواجهه با سیگنال های گفتار با دنباله زمانی طولانی، موفقیت چندانی نداشته و نتوانستند به تنهایی نظر محققین را جلب نمایند. در این نوشتار پس از بررسی مدل مخفی مارکف و کاربرد آن در بازشناسی گفتار و همچنین معرفی شبکه های عصبی، به بررسی سیستم های آمیختار HMM/ANN خواهیم پرداخت.
مقدمه:
خروجی یک فرایند در جهان واقعی به شکل یک   سیگنال پیوسته یا گسسته مشاهده می شود. یک مسئله حیاتی در علوم، ساختن مدلهایی برای این سیگنال واقعی است. مدل سازی یک سیگنال مزایای فراوانی به همراه دارد. اولاً مدل ، پایه ای برای توصیف نظری سیگنال فراهم می کند که می تواند برای پردازش سیگنال استفاده شود تا خروجی مطلوبی داشته باشد. ثانیاً مدل می توند اطلاعات بسیار مفیدی درباره منبع سیگنال بدهد. بدون اینکه احتیاجی به خود منبع باشد. نهایتاً و از همه مهمتر، مدل ها می توانند در عمل به خوبی کار کنند و امکان تحقق سیستم های عملی مهمی را فراهم آورند. بسته به نوع سیگنال، راه های مختلفی برای مدل کردن وجود دارد. مدل های معین از بعضی خواص شناخته شده سیگنال استفاده می کنند و مقادیر پارامترهای مدل را تخمین می زنند. از طرف دیگر در مدل های آماری یک فرایند تصادفی، سیگنال را توصیف می کند. مدل های مخفی مارکف، که همچنین منابع مارکف یا توابع آماری زنجیره ای مارکف نامیده می شوند، در تئوری مخابرات یکی از پرکاربردترین مدل های آماری هستند.
تعداد صفحه :82
قیمت : شش هزار تومان