استخراج ویژگی در بازشناسی گفتار با استفاده از شبکه های عصبی

زبان به عنوان ابزاری برای سریع تر شدن کارها و همچنین تبادل بی واسطه تفکرات می باشد. از این رو دور از انتظار نیست شناسایی گفتار یکیاز پرکاربردترین ابزارهای ارتباط میان انسان ها و سیستم ها باشد، به خصوص که در چندین دهه اخیر هوش مصنوعی جایگاه ویژهای در علومبشر دارد و تشخیص اتوماتیک گفتار به عنوان یک تعامل نقش بسزایی دارا می باشد. در این مقاله روش جدیدی برای بهینه کردن پارامترهایکیفیت تشخیص اتوماتیک گفتار ارائه شده است. لغت نامه به شیوه ای جدید تدوین شده است و کوانتزیشن برداری با استفاده از تعریف جدیدی از نرون مرکزی به دست می آید. نرون مرکزی با توجه به پارامتر BMU معرفی شده در شبکه های خود سازمانده انتخاب می شود. هدف بالاتربردن دقت و سرعت اجرای الگوریتم می باشد.