انتخاب ویژگی به کمک روشهای افزایش داده متخاصمی در سیستمهای تشخیص احساس از سیگنال گفتار

تشخیص احساسات از گفتار ، برای درک دقیق معانی جملات و همچنین ایجاد واکنش مناسب به گوینده، از سوی ماشین امری ضروری است. هر چه ویژگی های استخراج شده از گفتار بیشتر باشد، نیاز به داده بیشتری برای آموزش شبکه عصبی و همچنین انتخاب ویژگیهای موثر در سیستم های تشخیص احساس از گفتار میباشد و در صورت وجود داده به تعداد کافی منجر به دقت بهتر طبقه بندی میشود. در صورت عدم وجود تعداد زیاد داده میتوان از روش های افزایش داده استفاده کرد. یکی از عمده ترین مشکلات موجود در سیستم های تشخیص احساس از گفتار کمبود داده در هر کلاس جهت آموزش شبکه عصبی است. این مقاله با هدف ایجاد یک شبکه افزایش داده متخاصمی جهت افزایش داده ها در یک سیستم تشخیص احساس از گفتار، انتخاب ویژگی را مورد بحث و بررسی قرار داده و نشان داده شده است که داده های مصنوعی تولید شده توسط شبکه افزایش داده متخاصمی نه تنها می توانند برای افزایش دادهها بلکه برای انتخاب ویژگی به منظور بهبود عملکرد طبقه بندی نیز مورد استفاده قرار گیرند. همچنین انتخاب ویژگی های موثر در بردارهای ویژگی، حجم محاسبات و سرعت شبکه عصبی را افزایش میدهد. آزمایش ها، شباهت قابل توجهی بین توزیع بردارهای ویژگی مصنوعی و هدف را نشان داد و علاوه بر این، مسئله انتخاب ویژگی جهت کاهش ویژگی هایی که در تشخیص احساس از سیگنال گفتار مفید واقع نمی شوند بررسی و نشان داده شد که با ترکیب داده های مصنوعی و طبیعی می توان راندمان یک کلاسه بند شبکه عصبی با تفکیک چهار احساس را بهبود داد.