Designing a system to distinguish amongst main Arabic dialects
Ana Arap lehçeleri arasında ayrım yapmak için bir sistem tasarlama
- Tez No: 930945
- Danışmanlar: DR. ÖĞR. ÜYESİ TİMUR İNAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Lehçe tanımlama, bilim insanları için yeni ilgi alanlarından biridir. Bu çalışma, konuşmalar veya konuşmalar aracılığıyla iyi bilinen Arap lehçeleri arasında ayrım yapmaya odaklanmaktadır. Bu çalışmayı diğerlerinden ayıran şey, konuya yaklaşım biçimidir, çünkü konuşma kuş sesi veya müzik gibi bir sesmiş gibi ele alınmıştır. Başka bir deyişle, ağlar dilin ayrıntılarına dalmadan günlük konuşma konusunda eğitilmiştir, bu da araştırmacılar için güçlü bir meydan okumadır. Bu yaklaşımla, araştırmacıların karşılaştığı tüm zorluklar ve güçlükler aşılmıştır. Burada, üç Arapça konuşma kalıbı dikkate alınmaktadır: Levantine Lehçesi (LD), Mısır Lehçesi (ED) ve Arap Yarımadası Lehçesi (APD). Üç konuşma stilini birbirinden ayırt etmek için yapay sinir ağları için üç model önerilmektedir. Çok Katmanlı Algılayıcı (MLP), Evrişimli Sinir Ağı (CNN) ve Derin Yinelemeli Sinir Ağı (DRNN) ağları bu modeller için temel oluşturmaktadır. Bu çalışma, önerilen üç modelin kapsamlı bir analizini ve bunlar arasındaki karşılaştırmaları sunmaktadır. Konuşulan Arapça Bölgesel Arşivi (SARA) veri kümesi kullanılmıştır. Veriseti üç bölüme ayrılmaktadır. Orijinal SARA (OSARA), Filtrelenmiş SARA (FSARA) ve OSARA ile FSARA'yı birleştiren Karma SARA (MSARA). Sonuçlara göre, kullanılan veri setinin MSARA grubu kullanılarak önerilen DRNN modeli %90,70 ile en yüksek doğruluğa sahiptir.
Özet (Çeviri)
Dialect identification is one of the more recent areas of interest for scholars. This study focuses on distinguishing between well-known Arabic dialects through conversations or speeches. What distinguishes this study from others is the way it approaches the topic, as speech was treated as if it were a sound, such as the sound of birds or even music. In other words, the networks were trained on everyday speech without delving into the details of the language, which represents a strong challenge for researchers. With this approach, all the difficulties and challenges facing researchers are overcome. Here, three Arabic speech patterns are taken into consideration: Levantine Dialect (LD), Egyptian Dialect (ED), and Arabian Peninsula Dialect (APD). To distinguish between the three talking styles, we suggest three models for artificial neural networks. The Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), and Deep Recurrent Neural Network (DRNN) networks serve as the foundation for these models. This work presents a thorough analysis of the three suggested models, along with comparisons between them. Spoken Arabic Regional Archive (SARA) dataset is employed. It has been prepared and split up into three sections. The Original SARA (OSARA), Filtered SARA (FSARA), and Mixed SARA (MSARA), which combines the OSARA and FSARA, are these. The suggested DRNN model using the MSARA group of the used dataset has the highest accuracy, 90.70%, according to the results.
Benzer Tezler
- Yakın alan sayısal kodlu radar sistemi tasarımı ve benzetimi
Near field digital coded radar system design and simulation
FATİH AKGÜL
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Temel el hareketlerini kontrol etmek için gerçek zamanlı bir sistem tasarımı
Designing a real-time system to control basic hand movements
CEMRE KARAYILMAZ CİRİT
Yüksek Lisans
Türkçe
2021
BiyomühendislikSüleyman Demirel ÜniversitesiBiyomühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TURGAY AYDOĞAN
- Building of Turkish propbank and semantic role labeling of Turkish
Türkçe önerme veri tabanının oluşturulması ve Türkçenin anlamsal görev çözümlemesi
GÖZDE GÜL ŞAHİN
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI