استفاده از منطق فازی و شبکه عصبی مصنوعی جهت انتخاب ویژگی و طبقه بندی روی گفتار لکنت دار
کد مقاله : 1171-CFIS (R1)
نویسندگان:
رضا بهرامیی راد *
دانش آموخته کارشناسی ارشد هوش مصنوعی دانشگاه خوارزمی تهران
چکیده مقاله:
لکنت زبان یک اختلال گفتاری معمولی است که انسان ممکن است با آن مواجه شود. این مساله شامل نارسائی یا اختلال در گفتار است. علائم قابل مشاهده لکنت زبان عبارتند از: تکرار هجاء یا کلمه، اصوات، طولانی شدن، مکث ساکن و آرام، کلمات شکسته و عبارات ناقص است. در حالت عادی طبقه‌بندی گفتار مشکل است لذا برخی از تکنیک‌های مرتبط با طبقه‌بندی گفتار از سوی محققان مختلف ارائه گردیده است. سیستم‌های تشخیص گفتار از لحاظ سخت افزاری و نرم افزای توسعه پیدا کرده‌اند. اما علیرغم همه این پیشرفت‌ها، ماشین‌ها نمی‌توانند عملکرد خود را نسبت به همتایان انسانی از لحاظ دقت و سرعت به ویژه در مورد تشخیص گفتار مستقل از گوینده مطابقت دهند. در این مقاله الگوریتم ضریب کپسترال فرکانس مل برای استخراج ویژگی‌ها و ارائه یک مدل سیستم استنتاج فازی برای انتخاب ویژگی، و نیز ارائه یک شبکه عصبی مصنوعی پس انتشار خطا جهت طبقه‌بندی ارائه شده است که دقت طبقه‌بندی بالایی را در گفتار لکنت دار نشان می دهد.
کلیدواژه ها:
لکنت زبان، ضرایب کپسترال فرکانس مل، سیستم‌های استنتاج فازی، شبکه‌های عصبی مصنوعی پس انتشار خطا
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است