Geri Dön

Variable sized input multi layer perceptrons for speech recognition

Değişken boyutlu girdili çok katmanlı perceptronlar ile ses tanıma

  1. Tez No: 95414
  2. Yazar: OLCAY KURŞUN
  3. Danışmanlar: DOÇ. DR. ETHEM ALPAYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2000
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

ÖZET DEĞİŞKEN BOYUTLU GİRDİLİ ÇOK KATMANLI PERCEPTRONLAR İLE SES TANIMA İlk olarak, popüler istatistiksel ve sinirsel yöntemler olan, Saklı Markov Modelleri (HMM), k- Yalan Komşu, Tek ve Çok-Katmanlı Perceptronlar (MLP), Radyal-Tabanlı Fonksiyonlar, ve Uzmanlar Karışımları, ses sınıflandırma problemi üzerinde karşılaştırıldı. İstatistiksel yöntemler benzerlik tabanlı, sinir ağlan ise ayırt edici şekilde eğitilir. HMM, sesi, geçici sinyaller olarak modellerken, diğer yöntemler zaman gecikmesi kullanarak, zamanı uzaya izdüşürürler ve tüm sinyali tek bir vektör olarak gösterirler. Bu yüzden, bu metodlann girdileri sabit uzunlukta olmalıdır. Değişken uzunlukta sesbirimlerinin sınıflandırılmasında, MLP'nin ayırt edici gücünden faydalamlabilmesi için, özel eğitilmiş MLP'lerden oluşan, Değişken Boyutlu Girdili Çok Katmanlı Perceptronlar (VSIMLP) metodu önerildi. Birbirine yakın altı Japon sesbirimini, /b,d,g,m,n,N/, içeren veriseti, yukarıda adı geçen yöntemlerin karşılaştırılmasında kullanıldı. VSIMLP metodu, UMU 39-sınıf sesbirimi tanıma problemi üzerinde test edildi. Girdi uzayının fazla boyutluluğu ve ses sentez fizyolojisi sebepleriyle, yerel yöntemlerin, ses tanıma probleminde önemli bir yeri olduğu sonucuna varıldı. VSIMLP-HMM melez yöntemlerinin kelime veya cümle tanımada kullanışlı olduğu ve VSMLP'nin temel aldığı fikirlerin, MLP yerine, yerel yöntemlere de uygulanabileceği görüldü.

Özet (Çeviri)

IV ABSTRACT VARIABLE SIZED INPUT MULTI LAYER PERCEPTRONS FOR SPEECH RECOGNITION First, we review popular statistical and neural methods for classification, which are Hidden Markov Models (HMM), ^-Nearest Neighbor, Single and Multi-Layer Perceptrons (MLP), Radial-Basis Functions, and Mixture of Experts. Then, we apply them to the classification of speech phonemes. The statistical methods are likelihood-based, whereas neural network methods are trained discriminatively. HMMs model the speech as a temporal signal whereas the other methods map time to space using time-delay and represent the whole signal as one vector. Therefore, the input to the latter systems should be of a fixed length. To make use of the discriminative power of MLPs for classification of variable length phonemes, we propose Variable Sized Input Multi Layer Perceptrons (VSIMLP), which is composed of a set of special-type MLPs. The database used for the review part contains instances from six closely pronounced Japanese phonemes, /b,d,g,m,n,N/. We test VSIMLP on the ITMIT 39-class phoneme problem. We conclude that focusing on the localities is an important issue in phoneme recognition because of the high dimensionality of input space and the nature of speech synthesis. We also conclude that VSIMLP is a promising and extendable technique for phoneme classification. The idea of VSIMLP can be applied to local models with better feature vectors, and it can be used with HMM as a hybrid method to classify words or sentences.

Benzer Tezler

  1. Tez No

    378364

    Analysis and synthesis of reflectarray antenna

    Yansıtıcı dizi anten analiz ve sentezi

    SELAHATTİN NESİL

    Doktora

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. FİLİZ GÜNEŞ

    PROF. DR. BAHATTİN TÜRETKEN

  2. Tez No

    826860

    A fast 3d flow field prediction around bluff bodies using deep learning

    Derin öğrenme kullanılarak küt cisimler etrafındaki 3 boyutlu akış alanının tahmini

    FARHAD NEMATI TAHER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDUSSAMET SUBAŞI

  3. Tez No

    887626

    Yapay sinir ağları ile trafik yoğunluğu tahmini

    Prediction of traffic congestion by artificial neural networks

    MURAT NAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. NESLİHAN SERAP ŞENGÖR

  4. Tez No

    600847

    Hava durumu tahmini için veri madenciliği tabanlı bir model geliştirilmesi

    Development of a data mining based model for weather forecasting

    YUNUS EMRE CEBECİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  5. Tez No

    95427

    Multivariate decision trees for machine learning

    Yapay öğrenmede çok değişkenli karar ağaçları

    OLCAY TANER YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2000

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ETHEM ALPAYDIN

Geri Dön