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...

علی رغم بیشینه سی ساله پژوهش در حوزه بازشناسی گفتار فارسی در ایران و دست یافتن به پیشرفت های در خور توجه، نتایج عمده کارهای انجام شده به دلیل عدم وجود بستر یکسان، قابل مقایسه و ارزیابی دقیق نیستند. بستر عمدتاً شامل سیستم بازشناسی و دادگان با تعریف مشخص مجموعه های آموزش، توسعه و ارزیابی می باشد. سیستم متن باز کلدی با وجود نوظهور بودن آن دارای ویژگیهای منحصر بفردی است که در سال های اخیر مورد توجه ...

روشهای مختلفی برای تطبیق گوینده در سیستمهای بازشناسی گفتار معرفی گردیده اند. در برخی روشها نظیر تخمین map تنها مدلهایی که داده آموزشی متناظرشان موجود باشد تازه سازی می شوند و برای بهبود قابل توجه دقت بازشناسی، داده آموزشی نسبتاً زیادی مورد نیاز است. در برخی دیگر نظیر mllr که تعدادی تبدیلات عمومی بر روی خوشه های مدلها اعمال می شود، برای دادگان کم آموزشی نتایج مطلوبی حاصل می شود، اما با افزایش داد...

بازشناسی خودکار گفتار در شرایط عدم تطابق دادگان آموزش و آزمون، یکی از چالش های مهم در این مورد است. به منظور کاهش هر چه بیشتر این عدم تطابق، روش های مرسوم، سعی در بهسازی گفتار یا تطابق مدل آماری دارند. در این زمینه از جمله روش های دیگر می توان به آموزش مدل در شرایط مختلف اشاره کرد. موفقیت در این روش ها، در مقابل کارایی سیستم درک و بازشناسی در انسان بسیار ابتدایی به نظر می رسد...

بازشناسی خودکار گفتار در شرایط عدم تطابق دادگان آموزش و آزمون، یکی از چالش های مهم در این مورد است. به منظور کاهش هر چه بیشتر این عدم تطابق، روش های مرسوم، سعی در بهسازی گفتار یا تطابق مدل آماری دارند. در این زمینه از جمله روش های دیگر می توان به آموزش مدل در شرایط مختلف اشاره کرد. موفقیت در این روش ها، در مقابل کارایی سیستم درک و بازشناسی در انسان بسیار ابتدایی به نظر می رسد.در مقاله حاضر با ا...

در این مقاله، واکه‎های زبان فارسی معیار را بر‏حسب متغیر‏های سازه‎های اول و دوم (F1و F2)، بسامد پایه (F0)، شدت (انرژی) و دیرش در هجا‏های CVگفتار اظهاری (همخوان‏ها و واکه‌های زبان فارسی)، به‏لحاظ صوت‎شناختی بررسی کرده‏ایم. برای تحقیق، پنج گویشور فارسی‏زبان را از دادگان آوایی فارس دات تلفنی برگزیده‏ایم که هر‏یک، واکه‎های فارسی را در بافت همخوانی (23 همخوان)، با سرعت ثابت تولید کرده‎اند؛ بدین صورت،...

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...

در این مقاله، واکه‎های زبان فارسی معیار را بر‏حسب متغیر‏های سازه‎های اول و دوم (f1و f2)، بسامد پایه (f0)، شدت (انرژی) و دیرش در هجا‏های cvگفتار اظهاری (همخوان‏ها و واکه های زبان فارسی)، به‏لحاظ صوت‎شناختی بررسی کرده‏ایم. برای تحقیق، پنج گویشور فارسی‏زبان را از دادگان آوایی فارس دات تلفنی برگزیده‏ایم که هر‏یک، واکه‎های فارسی را در بافت همخوانی (23 همخوان)، با سرعت ثابت تولید کرده‎اند؛ بدین صورت،...

استفاده از ربات های اجتماعی در زندگی انسان ها افزایش یافته است و اصلی ترین راه ارتباط انسان ها با آنها ارتباط کلامی است. ربات های اجتماعی دارای میکروفونی هستند تا بتوانند سیگنال گفتار را برای ارتباط با انسان دریافت کنند. با توجه به دریافت نویز محیطی به هنگام ضبط گفتار انسان، نیاز به سیستمی برای تشخیص قسمت های گفتار در سیگنال های صوتی ضبط شده می باشد. هدف این پایان نامه طراحی یک سیستم آشکارساز ف...

در این پژوهش، ایمونواسی رقابتی حساس، با استفاده از پدیده Fluorescence resonance energy transfer(FRET) (انتقال انرژی رزونانسی فلورسانس) از کوانتوم دات کادمیوم/تلوریت (آنتی اکراتوکسین آنتی‌بادی قرار گرفته برروی سطح خارجی کوانتوم دات) به رودامین (Rho123) (اکراتوکسین نشاندار شده با رودامین کونژوگه شده با آلبومین) برای اندازه‌گیری اکراتوکسین ارائه شده است. واکنش بسیار اختصاصی رخ داده بین آنتی اکراتو...