Geri Dön

Akıllı yöntemler ile konuşmacı tanıma

Speaker recognition with intelligent methods

  1. Tez No: 292715
  2. Yazar: EDA RENÇBER
  3. Danışmanlar: YRD. DOÇ. DR. DAVUT HANBAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Teknik Eğitim, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Technical Education, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Entropi, Yapay sinir ağları, Entropy, Artificial neural networks
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada YOHO veri tabanından alınan cümleler üzerinde Yapay Sinir Ağları (YSA) ve Uyarlamalı Sinirsel Bulanık Ağ (USBA) kullanılarak metin bağımlı konuşmacı tanıma uygulamaları geliştirilmiştir. Konuşmacı tanıma sisteminin öznitelik çıkarım aşamasında Mel Frekansı Kepstrum Katsayıları (MFKK) ve Dalgacık Dönüşümlü (DD) entropi değerleri kullanılmıştır. Elde edilen özellik vektörleri, YSA ve USBA tabanlı modellere giriş olarak uygulanmış ve modeller eğitilmiştir. Test aşamasında ise verilen konuşma örneğinden konuşmacının kim olduğu tespit edilmeye çalışılmıştır. Aynı zamanda MFKK öznitelik vektörleri ve DD sonucu elde edilen entropi değerleri ile YSA ve USBA gibi akıllı metotların çeşitli parametrelerinin değişmesinin konuşmacı tanıma üzerindeki etkileri incelenerek karşılaştırılmıştır.

Özet (Çeviri)

In this study, text depended speaker recognizer system; based on Neural Network (NN) and Adaptive Network Fuzzy Inference System (ANFIS) are designed by using YOHO database. In feature extracting stage of speaker recognizer, MFCC and Wavelet Transform (WT) entropy values were used. The obtained feature vectors are used as inputs to the NN and ANFIS models. In test stage, recognition of the speakers is performed from the given speech samples. At the same time, MFCC feature vectors and wavelet transforms entropy values are used for examining the NN and ANFIS model parameters effects on the systems performance and finally the results are compared.

Benzer Tezler

  1. Derin öğrenme tabanlı konuşma tanıma sistem tasarımı

    Deep learning based speech recognition system design

    BURAK KORCUKLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET EMİR DİRİK

  2. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  3. CNN-based text-independent automatic speaker identification

    Evrişimsel sinir ağı tabanlı metinden bağımsız otomatik konuşmacı tanılama

    MANDANA FASOUNAKI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  4. Araçlar için Türkçe akıllı asistan tasarımı

    Turkish smart assistant design for vehicles

    ENGİN ERGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  5. Türkçe otomatik konuşma tanıma ve işaret diline çevirme

    Automatic speech recognition and sign language translation for Turkish

    BURAK TOMBALOĞLU

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMİT ERDEM