در این پایان نامه سیستمی به منظور بازشناسی هویت گوینده مستقل از متن براساس گفتار تلفنی و به کمک شبکه های عصبی طراحی و پیاده سازی شده است . جهت این کار از دو دادگان گفتار زبان فارسی farsdat و tfarsdat استفاده شده است .
شکل‌ها از متن کامل مقاله برداشته شده‌اند و حقوقشان از آنِ نویسندگان و ناشر است.
عملکرد سیستم های بازشناسی گفتار (asr) زمانی که گفتار توسط نویز تخریب شده باشد، به شدت کاهش می یابد. روش های ویژگی های مفقود قصد دارند که این کاهش بازشناسی را با حذف مولفه هایی از نمایش زمانی- فرکانسی گفتار (اسپکتروگرام) که بیانگر نسبت سیگنال به نویز (snr) پایین باشند، کاهش دهند.
انسان در ادراک گفتار روزمره با انواع تنوعات در سیگنال ورودی برخورد می کند و علیرغم آنها وظیفه درک به خوبی انجام می شود. به عنوان نمونه هائی از این تنوعات در بازشناسی گفتار می توان از نویزهای مختلف مانند نویزهای جمعی یا نویز کانال نام برد که به صورت ایستان و یا غیرایستان به سیگنال
چکیده در بسیاری از کاربردهای امنیتی، تصویر چهره ی انسان نقشی اساسی را به عنوان یک منبع اطلاعات زیستی ایفا می کند. تصویر چهره به راحتی قابل دستیابی است و یک راهکار مستقیم و راحت را برای شناسایی افراد فراهم می آورد. با این وجود، بازشناسی چهره کماکان با برخی چالش ها مواجه است ازجمله
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
مدل ارائه شده برای بازشناسی چهره مستقل از زاویه دید، بر مبنای ترکیبی از ساختارهای دینامیک و استاتیک است. مدل اختلاط خبره های اصلاح شده دارای5 شبکه مستقل از هم میباشد که هر شبکه دارای دو خبره میباشد که با شبکه میانجیگر با هم ترکیب شده اند. خروجی نهایی میانگین گیری ساده ای از خروجی
استفاده از سیستم های تشخیص هویت بیومتریک یکی از مطمین ترین روش ها برای کنترل دسترسی افراد به فضاهای حقیقی و مجازی می باشد. بکارگیری ویژگی های منحصر به فرد مانند اثر انگشت، چهره، عنبیه چشم، شبکیه چشم، شکل دست، صوت و امضا در سیستم های تشخیص هویت بیومتریک متداول می باشد. از آنجاکه ر
در این پژوهش، براساس داده‌ها و آزمایشات تجربی به بررسی درصد تبدیل هیدروژن و منوکسیدکربن و طراحی مدل آنها براساس طراحی آزمایش و شبکه عصبی پرداخته شد. داده‌های آزمایشگاهی براساس پنج متغیر ورودیو براساس طراحی مکعب مرکزی تعیین گردید. این پنج متغیر موثر عبارتند از: دما، فشار راکتور، ن
در حالی‌که سامانه‌های بازشناسی گفتار به‌طور پیوسته در حال ارتقا می‌باشند و شاهد استفاده گسترده از آنها می‌باشیم، اما دقت این سامانه‌ها فاصله زیادی نسبت به توان بازشناسی انسان دارد و در شرایط ناسازگار این فاصله افزایش می‌یابد. یکی از علل اصلی این مسئله تغییرات زیاد سیگنال گفتار ا
عملکرد سیستم های بازشناسی گفتار زمانی که گفتار توسط نویز تخریب شده باشد، به شدت کاهش می یابد. یکی از روش های رایج برای مقاوم سازی سیستم های بازشناسی گفتار استفاده از روش دادگان مفقود است در این روش مؤلفه‌هایی از نمایش زمانی- فرکانسی گفتار (اسپکتروگرام) که نسبت سیگنال به نویز (SNR
ویژگی‌الگوهای زمانی سیگنال صوتی از دو حوزه زمانی و یا بردارهای بازنمایی شده قابل استخراج است. این ویژگی دربرگیرنده اطلاعات و مشخصات زمان بلند از تغییرات پیوسته واحدهای گفتاری است. در این مقاله، ویژگی الگوهای زمانی با استفاده از خروجی مقدار احتمال پسین واجی ساختار بهینه شده شبکه ع
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 ا
در این مقاله به معرفی شبکه‌های 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