Yapay sinir ağları modeli ile ses tanıma
The voice recognition with model of artificial neural networks
- Tez No: 153998
- Danışmanlar: DOÇ.DR. FATİH BOTSALI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 102
Özet
ÖZET Yüksek Lisans Tezi YAPAY SINIR AĞLARI MODELİ İLE SES TANIMA Dilek GULTEKIN Selçuk Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilimdalı Danışman : Doç.Dr.Fatih BOTSALI 2004, 93 Sayfa Jüri : 1. Prof. Dr. Novruz ALLAHVERDİ 2. Doç. Dr. Ahmet ARSLAN 3. Doç. Dr. Fatih BOTSALI Biyolojik sinir ağlarından esinlenerek zeka sistemleri gelişiminde pek çok ilerleme kaydedilmiştir. Bir çok bilim dalından araştırmacılar mevcut bilgisayarlarla veya algoritmalarla çözülemeyen yada iyi sonuç alınamayan örnek tanıma, önceden tahmin etme, optimizasyon, kontrol vb. problemlere çözüm üretmek için Yapay Sinir Ağları (YSA) üzerinde çalışmaktadırlar. Bu çalışmada ise YSA'nın Çok Katlı Perseptron (ÇKP) ağı yapısı kullanılarak, ses tanıma problemi için uygulanmıştır. Elde edilen sonuçların hata analizleri yapılarak, kullanılan öğrenme algoritmalarının bu problem için performanslarının belirlenmesi ve herhangi bir sistem kontrolünün yapılabilmesi hedeflenmiştir. ÇKP'ları eğitmede, Delta-Bar-Delta (DBD), Genişletilmiş Delta-Bar-Delta (GDBD), Geri Yayılım (GY) ve Hızlı Yayılım (HY) öğrenme algoritmaları kullanılmıştır. Ses tanıma gibi biometrik tanımanın getirdiği üstünlükler ve YSA'nın üstünlükleri birinci bölümde özetlenmiştir. İkinci bölümde YSA'nın temel teorileri ile bazı yapay sinir ağ yapıları ve öğrenme algoritmaları kısaca açıklanmıştır.Üçüncü bölümde literatürde mevcut ve bu çalışmada kullanılan ses analizi tekniklerinin tanıtımı yapılmıştır. Dördüncü bölümde, ÇKP tabanlı ağın eğitiminde kullanılan DBD, GDBD, GY ve HY öğrenme algoritmaları ile 5 farklı kişiden alınan 5 farklı komut kelimesinin genlik ses parametreleri eğitilerek ses tanımaya ve sistem kontrolüne yönelik bir YSA modeli sunulmuştur. Ses parametrelerini belirlemede Doğrusal Tahmin Kodlaması (LPC) tekniği kullanılmıştır. Son bölümde, h^r bir algoritmadan alınan YSA sonuçlarının hata analizleri yapılarak değerlendirilmiş ve tartışılmıştır. Burada sunulan YSA yaklaşım modelinin üstünlükleri basitlik ve doğruluktur. Bu çalışmadaki YSA modelleri diğer ses problemlerine de uygulanabilir. Bu modellerin en önemli özelliği meydana gelebilecek uzun eğitim süresi dezavantajlarının eğitimden sonra gerçek uygulamada tamamen ortadan kalkmasıdır. Mühendislik problemleri için, basit ve hızlı modeller çok daha kullanışlıdır. Bu sebepten YSA'lar bir çok mühendislik uygulamalarında başarıyla kullanılabilir. Anahtar Kelimeler : Ses tanıma, Yapay Sinir Ağları
Özet (Çeviri)
Ill ABSTRACT MS Thesis THE VOICE RECOGNITION WITH MODEL OF ARTIFICIAL NEURAL NETWORKS Dilek GULTEKIN Selçuk University Graduate School of Natural and Applied Sciences Department of Computer Supervisor : Doç. Dr. Fatih BOTSALI 2004, 93 Page Jury : 1. Prof. Dr. Novruz ALLAHVERDİ 2. Doç. Dr. Ahmet ARSLAN 3. Doç. Dr. Fatih BOTSALI The inspiration of biological Neural Networks coused the improvement in intelligent systems. The researcher in various science disciplines carry on their studies on Artificial Neural Networks to solve pattern recognition, forecasting, optimisation, control etc. problems that can not be solved with using conventional computer algorithms. In this study, ANN' s Multi Layer Perceptron topology has been applied to voice recognition problem. By accomplishing the error analysis of the results the performances of used training algorithms are determined. In training MLP's, Delta-Bar-Delta (DBD), Expanded Delta-Bar-Delta (EDBD), Standard Back Propagation (SBP) and Quic Propagation (QP) learning algorithms have been used. The superiorities of the biometric recognition as voice recognition and superiorities of ANN is summarized in chapter one. In chapter two, basic theories of ANN and some ANN structures and training algorithms are briefly explained.IV In part three, the voice analysis techniques that are available in literature and dealed in this study are introduced. In chapter four, by using DBD, EDBD, SBP and QP learning algorithms used MLP-based networks, the voice parameters of 5 different command words of 5 different persons has been used in training an ANN model for system control is presented. Linear Prediction Coding (LPC) technique is used in determining sound parameters In the last chapter, obtained results have been evaluated and discussed. The superiorities of the proposed ANN model are simplicity and accuracy. The ANN model can be applied to other sound recognition problems. The vital difference of ANN models is that the disadvantage of long calculation time need for training process entirely disappear when it's brought to its real application field. The easy and quick models are very well-suited for engineering problems. Consequently, ANN are considered to be used in many engineering applications successfully. Key Words - Voice Recognition, Artificial Neural Networks
Benzer Tezler
- Yapar sinir ağını kullanarak kişiye özel komut tanıma
Specially personalized order recognization by using artifical neural networks
GEDİZ TATAR
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. S. SİNAN GÜLTEKİN
- Bayes optimizasyon yöntemi kullanılarak evrişimsel sinir ağlarında hiper parametre optimizasyonu
Hyper parameter optimization in convolutional neural networks using Bayesian optimization method
ZEYNEP NADİROĞLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DOÇ. DR. MUZAFFER ATEŞ
- Silah seslerinin konvolüsyonel yapay sinir ağları ile sınıflandırılması ve atıcı konum tespitinin yapılması
Classification of weapon sounds with convolutional neural networks and detection of shooter location
İLYAS ÖZER
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. OĞUZ FINDIK
- Derin sinir ağları ile modülasyon sınıflandırma
Başlık çevirisi yok
YUSUF ARAS
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ERTUĞRUL ÇELEBİ
- Görsel derin öğrenme ile döviz kuru hesaplama
Exchange rate calculation with visual deep learning
EMRE JILTA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM TAŞKIN