تشخيص گفتار واج بنيان در زبان فارسي

دانشگاه ولي عصر(عج) رفسنجان

كارشناسي ارشد

به طور حتم يكي از مهم‌ترين موضوعات مطرح در علوم كامپيوتر، تشخيص گفتار هوشمند است. در اين سامانه‌ها سعي مي¬شود تا كامپيوترها نيز همانند انسان¬ها، بتوانند گفتارهايي كه مخاطب¬شان قرار مي¬گيرند را تشخيص داده و عكس¬العمل نشان دهند. باتوجه به اهميت ارتباط ميان كامپيوتر و انسان به شكل ارتباط انسان با انسان، تشخيص گفتار توسط هوش مصنوعي نيز يكي از موضوعات مهم در عرصه هوش مصنوعي بوده است. در اين پژوهش سعي شده تا با استفاده از تركيب پردازش سيگنال و الگوريتم¬هاي كلاس¬بندي، روشي مناسب براي تشخيص واج¬هاي زبان فارسي توسط هوش مصنوعي كامپيوتري ارائه شود. براي اين منظور براي پردازش سيگنال صوتي، از الگوريتم STFT و همچنين براي تشخيص و كلاس¬بندي سيگنال¬هاي پردازش‌شده از شبكه عصبي مصنوعي عميق استفاده شده است. ابتدا نمونه¬هاي آموزشي به‌صورت دو واج¬هاي گفتار زبان فارسي تهيه شده و سپس عمليات پردازش سيگنال بر روي آن‌ها صورت گرفته است. پس از آن، نتايج جهت آموزش داده¬ها به شبكه عصبي مصنوعي عميق داده‌شده‌اند. در مرحله نهايي نيز عمليات آزمايش بر روي اصوات جديد صورت گرفته است. در نهايت با تركيب الگوريتم¬هاي مذكور، دقت 76 درصد براي تشخيص تك-واج¬هاي زبان فارسي با استفاده از شبكه عصبي مصنوعي عميق طراحي شده در اين پژوهش، به نام PPNET، به دست آمده است كه براي تشخيص تك¬واج به صورت مجزا در زبان فارسي بهترين دقت گزارش شده تاكنون است

56848

دانشگاه وليعصر رفسنجان

سيد ناصر رضوي

علوم كامپيوتر

محمد حسين قلي زاده