تشخیص ارقام گفتاری فارسی با استفاده از شبکه های یادگیری عمیق
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 21، شماره: 74
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 47
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-21-74_011
تاریخ نمایه سازی: 30 بهمن 1402
چکیده مقاله:
طبقه بندی ارقام جدا شده چالش اساسی برای بسیاری از سیستم های طبقه بندی گفتار است. درحالی که کارهای زیادی بر روی زبان های گفتاری انجام شده است، تحقیقات محدودی در مورد داده های رقمی گفتاری فارسی در ادبیات گزارش شده است و تمامی تحقیقات مربوط به اعداد صفر تا ۹ بوده است. برای این منظور، پایگاه داده ی جامعی شامل بازه ی وسیعتری از اعداد با مشارکت ۱۴۵ نفر که شامل هفتاد نفر مرد و ۷۵ نفر زن هستند، جمع آوری گردیده است. پایگاه داده مذکور، بازه عددی صفر تا ۵۹۹ را پوشش می دهد. پس از پیش پردازش داده ها، داده های صوتی تبدیل به طیف نگار مل شده و برای استخراج ویژگی و طبقه بندی داده ها از شبکه عصبی کانولوشنی و نیز یک مدل ترکیبی شامل مدل ترنسفورمر و حافظه کوتاه و بلند مدت استفاده گردیده است. نتایج تجربی بر روی پایگاه داده جمع آوری شده حاکی از دقت اعتبارسنجی ۹۸.۰۳ درصد می باشد. آنالیزهای مختلفی نیز بر روی آزمایش و آزمون مدل ها صورت گرفته است.
کلیدواژه ها:
نویسندگان
سحر زربافی
دانشگاه سمنان، دانشکده برق و کامپبوتر
کورش کیانی
دانشکده مهندسی برق و کامپیوتر دانشگاه سمنان
راضیه راستگو
دانشکده برق و کامپیوتر دانشگاه سمنان
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 :