Continuous word recognition using neural networks
Başlık çevirisi mevcut değil.
- Tez No: 6839
- Danışmanlar: DOÇ.DR. NEŞE YALABIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1989
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
ÖZET SİNİRSEL A?LAR KULLANARAK SÜREKLİ KELİME TANIMA Ümit Dağıtan Bilgisayar Mühendisliği Yüksek Lisans Tezi Tez Yöneticisi: Doç. Dr. Neşe Yalabık 107 sayfa, Mart 1989 Yapay sinirsel ağ modelleri kullanarak, konuşmacıdan bağımsız bir sü rekli kelime tanıma sistemi gerçekleştirilmiştir. Sürekli konuşma içerisindeki hecesel birimler, enerji ve sıfır-kesme-oranı bilgilerinden yararlanan, kendini tekrar eden bir mantık dizgesi kullanılarak elde edilmiştir. Hecesel birimlerin parçaları için doğrusal tahmin katsayıları hesaplanmıştır. Vektör miktarlayıcı olarak kullanılan Kohonen sinirsel ağı yardımıyla doğrusal tahmin katsayı ları vektör bilgileri daha da sıkıştırılmıştır. Bu bilgileri sınıflandırmak için çok katmanlı bir Perceptron sinirsel ağı kullanılmıştır. Tanınan hecelerin sıra ları kullanılarak bütün kelimeler oluşturulmuştur. Tasarımda kullanılan tüm fonksiyonel birimlerin günümüz çok-geniş ölçüde bütünleştirme teknolojisiyle elektronik olarak gerçekleştirilebilmesi mümkündür. Geliştirilen sistem altı Türkçe kelime ile denendi ve yüzde 81 lik bir doğru tanıma oranı elde edildi. anahtar kelimeler: hece bölme, doğrusal tahmin kodlaması, sinirsel ağ. Sayısal Kodlar : 619.01.00, 619.01.01, 619.01.02, 619.01.03 iv
Özet (Çeviri)
ABSTRACT CONTINUOUS WORD RECOGNITION USING NEURAL NETWORKS Ümit Dağıtan Computer Engineering M.S. Thesis Supervisor: Assoc. Prof. Dr. Neşe Yalabık 107 pages, March 1989 A speaker-independent continuous word recognition system is implemented by using artificial neural net models. Syllabic units in continuous speech are detected by a recursive algorithm which uses the energy and zero-crossing-rate features. Linear prediction coefficients are obtained for the frames of the syl labic units. The vector of real prediction coefficients are further compressed by using Kohonen's neural network which is used as a vector quantizer. A multi-layer Perceptron neural network is used for classifiying the compressed data. Words are reconstructed by using the order of the recognized syllabic units. Hardware implementations of all the modules used in the design, are possible by the current VLSI technology. The developed system was tested with six Turkish words and a recognition rate of 81 percent was obtained. keywords: syllable segmentation, linear predictive coding, neural network. Numeric Codes : 619.01.00, 619.01.01, 619.01.02, 619.01.03 \ iii
Benzer Tezler
- Sürekli konuşmanın sinirsel devre yardımı ile tanınması
Recognition of continuous speech by using neural network
MUSTAFA KIŞ
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiPROF.DR. ATALAY BARKANA
- Bir hece-tabanlı Türkçe sesli ifade tanıma sisteminin tasarımı ve gerçekleştirimi
A syllable-based speech recognition system design and implementation for Turkish language
BURCU CAN
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. HARUN ARTUNER
- Named entity recognition for turkish microblog texts using semi-supervised learning with word embeddings
Türkçe mı̇kroblog metı̇nlerı̇nde yarı güdümlü öğrenme teknı̇ğı̇yle kelı̇me temsı̇llerı̇ kullanarak varlık ı̇smı̇ tanıma
EDA OKUR
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ARZUCAN ÖZGÜR TÜRKMEN
- İnsan-robot etkileşimini kullanarak yapay zekâ temelli kendini programlayabilir endüstri 4.0'a uyumlu robot yazılımlarının geliştirilmesi
Development of artificial intelligence-based self-programmable robot software compatible with industry 4.0 using human-robot interaction
MUSTAFA CAN BİNGÖL
Doktora
Türkçe
2021
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMÜR AYDOĞMUŞ
- Gesture imitation learning in human-robot interaction
Taklit yolu ile hareket öğrenme ınsan robot etkileşimi
ITAUMA ISONG ITAUMA
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HATİCE KÖSE-BAĞCİ