Geri Dön

Radial basis function neural network algorithms for phoneme recognition

Fonem tanıma için radyal tabanlı yapay sinir ağı algoritmaları

  1. Tez No: 65174
  2. Yazar: ŞÜKRÜ İLKER ÇANKAYA
  3. Danışmanlar: DOÇ. DR. KEMAL CILIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Fonem tanıma, Yapay sinir ağları, Phoneme recognition, Artificial neural networks
  7. Yıl: 1997
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

KISA ÖZET Bu tez Radyal Tabanlı Yapay Sinir Ağı 'nda (RTYSA) merkez vektörlerinin belirlenmesinde, giriş-çıkış uzayı örneklemesi metodunun kullanılmasının üç erkek konuşmacıdan alman Türkçe sesli harf,(/a/, /e/, N, İM, /o/, /öl, l\xl, IvJ), örneklerinin ve bir erkek konuşmacının çok sayıda kelimesinden el ile işaretlenip ayrılmış olan altı adet Japonca sessiz harf, /b/, /d/, /g/, İmi, İn/, INI, tanıma deneylerindeki etkisini araştırmayı hedeflemiştir. Deneylerde RTYSA' da kullanılan merkez vektörleri /') giriş uzayındaki vektörlere uygulanan bir öbekleme metoduyla (k-means) ti ) giriş ve çıkış uzaylarının kombinasyonundan elde edilen vektörlere uygulanan bir örnekleme metoduyla (k-means) belirlenmişlerdir. RTYSA' nın tanıma testlerinde Türkçe sesli harfler, Gauss gürültüsü eklenmiş Türkçe sesli harfler ve altı adet Japonca sessiz harfi kullanılmıştır. Bu setlerden herbirindeki örnekler 112 boyutlu vektörlerle temsil edilmişlerdir. Yapılan deneyler sonucu giriş-çıkış uzayı öbeklemesi metodunun Türkçe ve Japonca harflerin tanınmasında giriş uzayı öbeklemesi metoduna göre daha iyi sonuçlar verdiği gözlemlenmiştir.

Özet (Çeviri)

IV ABSTRACT This thesis studies the effects of using input-output space clustering for determining centers on phoneme recognition performance of Radial Basis Function Network (RBFN). The center vectors of RBFN are determined i) by a clustering technique (k-means algorithm) applied to sample vectors chosen from input space (so called input clustering) or ii) by a clustering technique (k-means algorithm) applied to sample vectors formed from a combination of input and output spaces (so called input-output clustering). 1 12-dimensional vectors representing Turkish vowels, (/a/, Id, 111, lil, lol, löl, lul, lül), uttered by three male speakers are used as feature vectors to be classified by a multi-output RBFN. Then noise with Gaussian distribution is added to the vowels and recognition performance of RBFN is tested on these noisy vowels. Also six Japanese phonemes, (Jbl, lûl, Igl, Iml, /n/, INI), extracted from speaker-dependent 5240 words Japanese vocabulary are tested using RBFN. It has been observed from the simulations that the input-output clustering technique gives better recognition rates both for the training and test patterns of the Turkish (clean and noisy) and Japanese phoneme sets as compared to the input clustering technique.

Benzer Tezler

  1. Tez No

    75369

    Fractal image compression with radial basis function neural networks

    Radyal taban fonksiyonlu yapay sinir ağları ile fraktal görüntü sıkıştırma

    OSMAN ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CÜNEYT GÜZELİŞ

  2. Tez No

    185947

    Genetik algoritmalar ile radyal temelli fonksiyon ağlarının optimizasyonu

    Optimization of radial basis function networks by genetic algorithms

    GÜL YAZICI

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  3. Tez No

    401367

    Evaluating effects of denoising and feature extraction methods on classification of EMG signals

    Başlık çevirisi yok

    ERCAN GÖKGÖZ

    Doktora

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolInternatıonal Burch Unıversıty

    PROF. DR. ABDULHAMİT SUBAŞI

  4. Tez No

    400512

    Development of conic section function neural networks in software and analogue hardware

    Başlık çevirisi yok

    TÜLAY YILDIRIM

    Doktora

    İngilizce

    İngilizce

    1997

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of Lıverpool

    Yapay Zeka Ana Bilim Dalı

    DR. JOHN S. MARSLAND

  5. Tez No

    200549

    EEG sinyallerinin dalgacık dönüşümü ve yapay sinir ağları ile analizi

    Analysis of EEG signals using the wavelet transform and artificial neural network

    İNAYET BURCU TOPRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Elektrik ve Elektronik MühendisliğiSüleyman Demirel Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF.DR. MUSTAFA MERDAN

Geri Dön