تحقیقات اخیر نشان می دهد که تظاهرات غیرخطی و آشوبی سیگنال گفتار می تواند در حوزة فضای بازسازی شده فاز (rps) مطالعه شود. تئوری جاسازی برمبنای محورهای تأخیری، ابزار مناسبی برای بررسی تراژکتورهای گفتاری در rps است. تاکنون از مشخصه های تراژکتورهای گفتاری به ندرت در سیستم های کاربردی بازشناسی گفتار استفاده شده است. از اینرو در این مقاله  روش استخراج ویژگی جدیدی براساس پارامترهای مدلسازی خطی مبتنی بر...

مقالۀ حاضر به معرفی، بررسی و نقد کتاب نظام آوایی زبان فارسی، تألیف محمود بی جن خان می پردازد. کتاب اثری ارزشمند در حوزۀ آواشناسی و واج شناسی زبان فارسی است و امتیازات و نوآوری های فراوان و ساختار منسجمی دارد. مؤلف در فصل اول، مسئلۀ بازشناسی شنیداری گفتارِ پیوستۀ فارسی را ـ که موضوع اصلی تحقیق است ـ برگزیده و در فصل های بعد تلاش کرده است بر اساس روش شناسی آزمایشگاهی به سؤال اصلی تحقیق پاسخ دهد. ک...

چکیده ندارد.

شناسایی گوینده یکی از موضوع های مورد علاقه محققان در زمینه پردازش گفتار و هوش مصنوعی در چند دهه گذشته می باشد. در سالیان متوالی، تلاش های فراوانی در قسمت های مختلف این نوع سیستم ها برای بهبود کارایی آن شده است. یکی از این قسمت ها که می تواند باعث بهبود سیستم های شناسایی گوینده شود، قسمت انتخاب ویژگی می باشد. معمولاً برای برگزیدن ویژگی های مطلوب تر که باعث بهبود عملکرد سیستم می شود، بعد از مرحله ...

در این پایان نامه برای بازشناسی کلمات دستنویس فارسی و عربی برون خط، دو مدل ترکیبی جدید پیشنهاد شده است. با داشتن تعداد زیادی از کلمات، رویکردهای کاهش واژه نامه، روش های قدرتمندی برای هرس ابتدایی کلمات محسوب می شوند. دو مدل پیشنهادی، مبتنی بر روش های کاهش واژه نامه اند و مراحل پیش پردازش، قطعه بندی، استخراج ویژگی و طبقه بندی را در بر می گیرند. ویژگی هایی که از تصاویر کلمات استخراج می شوند را می ...

چکیده ندارد.

مقالۀ حاضر به معرفی، بررسی و نقد کتاب نظام آوایی زبان فارسی، تألیف محمود بی‌جن‌خان می‌پردازد. کتاب اثری ارزشمند در حوزۀ آواشناسی و واج‌شناسی زبان فارسی است و امتیازات و نوآوری‌های فراوان و ساختار منسجمی دارد. مؤلف در فصل اول، مسئلۀ بازشناسی شنیداری گفتارِ پیوستۀ فارسی را ـ که موضوع اصلی تحقیق است ـ برگزیده و در فصل‌های بعد تلاش کرده است بر اساس روش‌شناسی آزمایشگاهی به سؤال اصلی تحقیق پا...

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 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...

بر خلاف سیستم شنوایی انسان ها، سیستم های خودکار بازشناسی گفتار نسبت به نویز زمینه بسیار حساس هستند. این اثر ناشی از تفاوت مابین آمارگان مدل های گفتار تعلیمی است با آنچه که در شرایط واقعی از آنها استفاده می شود. جبران نکردن چنین عدم انطباقی، دقت سیستم های بازشناسی را به شدت کاهش می دهد. در این گزارش، جهت جبران عدم انطباق بین دادگان تعلیم و تست از یکی از روش های ویژگی مفقود تحت عنوان بازسازی مب...