برچسب زدن گفتار با استفاده از شبکه های عصبی مصنوعی
محل انتشار: ششمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,300
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS06_048
تاریخ نمایه سازی: 18 تیر 1391
چکیده مقاله:
توانایی شبکه های عصبی مصنوعی در یادگیری موازی از یک طرف، اهمیت یادگیری در پردازش زبان از طرف دیگر توجه تعدادی از محققین در زمینه پردازش زبان طبیعی را به خود معطوف کرده است. در این مقاله از میان حوزههای پردازش زبان طبیعی، برچسب زدن گفتار با استفاده از شبکههای عصبی پرسپترون، 3M و شبکه عصبی خود سازمانده SOM مورد بررسی قرار گرفته است. هر کدام از شبکههای عصبی فوق الذکر عمل برچسب زدن را با توجه به کل جمله و با استفاده از مدل خاصی انجام میدهد. بعنوان مثال استفاده از یک پایگاه قوانین در کنار شبکه عصبی پرسپترون باعث افزایش دقت نهایی میشود. در صورتی که خطای پوسته زیاد باشد، شبکه پرسپترون با توجه به پیچیدگی مسئله همگرا نمیشود، در این موارد از شبکه عصبیM استفاده میشود که هنگام یادگیری قابلیت تصحیح برخط پوسته را دارا است. شبکه عصبی SOM نیز با استفاده از خوشهبندی و تعریف معیار فاصله، کلمات را برچسب میزند.
کلیدواژه ها:
نویسندگان
ستار هاشمی
دانشجوی دکتری کامپیوتر گرایش هوش مصنوعی
ناصر مزینی
دانشگاه علم و صنعت ایران - دانشکده کامپیوتر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :