ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > نظام تحديد المتحدث المعتمد على...>الوصف

نظام تحديد المتحدث المعتمد على النص بالاعتماد على التعلم العميق

العنوان بلغة أخرى: Text Dependent Speaker Identification System Based on Deep Learning
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: الأرحيم، يسري فيصل (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al-Irahyim, Yusra Faisal
مؤلفين آخرين: محمود، قاسم صديق (م. مشارك)
المجلد/العدد: مج30, ع4
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2021
الصفحات: 141 - 160
DOI: 10.33899/edusj.2021.130144.1161
ISSN: 1812-125X
رقم MD: 1203238
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
تقنية المعلومات | تكنولوجيا المعلومات | التعلم العميق | هوية المتحدث
كلمات المؤلف المفتاحية:
التعرف على هوية المتحدث | الشبكة العصبية متعددة الطبقات | الشبكة العصبية الالتفافية | التعلم العميق | Speaker Identification | MFCC | Multilayer Neural Network (MNN) | Convolution Neural Network (CNN) | Deep Learning
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تعد تقنيات التعرف على المتحدث من أهم التقنيات الحديثة وقد طورت العديد من الأنظمة المختلفة من حيث الطرق المستخدمة في استخراج الخصائص وطرق التصنيف. تشكل تطبيقات التعرف على المتحدث تحدياً كبيراً، حيث يتطلب تقنيات حديثة وعدد كبير من عينات الصوتية وموارد كبيرة. في هذه البحث صمم نظام التعرف على المتحدث المعتمد على النص (تكون الكلمة أو الجمل محددة مسبقاً) حيث يتميز النظام بقدرته على التعرف على المتحدث بأقل وقت وأقل عدد من عينات التدريب وأقل الموارد. يتكون النظام من أربعة أجزاء رئيسة وهي: الجزء الأول بناء قواعد بيانات صوتية، واعتمد في الدراسة على قاعدتين للبيانات الصوتية، الأولى قاعدة بيانات (QS-Dataset) وقاعدة البيانات الثانية (audioMNIST- meta)، وقد تم معالجة وتهيئة قواعد البيانات بطريقة تم شرحها في متن البحث لاحقا. والجزء الثاني من البحث استخلاص الخصائص عن طريق خوارزمية معاملات درجة النغم أما الجزء الثالث فهو استخدام الشبكة العصبية كمصنف. وأما الجزء الأخير في البحث فهو التحقق من عمل ونتائج النظام. أوضحت نتائج الاختبار قدرة شبكة MNN على التعامل مع أقل عدد من البيانات حيث حققت نسبة (100%) وأما مع البيانات الكبيرة تتراوح من 80% إلى 81% على عكس شبكة CNN كانت نتائج غير جيدة بالنسبة للبيانات القليلة من 60% إلى 76% ومع بيانات الكبيرة كانت النتائج ممتازة من 91% إلى 96%.

Speaker identification techniques are one of those most advanced modern technologies and there are many different systems had been developed, from methods that used to extract characteristics and classification. The applications of Speech identification are quite difficult and requires modern technologies with a large number of audio samples and resources. In this research, the system of speaker identification had been designed based on a text (the word or sentences are pre-defined) which give the system the capability to identify the speaker in the least time, number of training samples and resources. The system consists four main parts, the first one is to create audio databases. In the study, two audio databases were relied upon, the first being a database (QS- Dataset) and the second database (audioMNIST-meta). The databases were processed and configured in a way that was explained in the body of the research later. The second part of the research is to extract the characteristics through the pitch coefficients algorithm, while the third part is the use of the neural network as a classifier. And the last part of the research is to verify the work and results of the system. The test results showed the ability of the MNN network to deal with the smallest number of data, as it achieved a percentage of 100%. As for large data, it ranged from 80% to 81%. Unlike CNN network, the results were not good for the few data, from 60% to 76%, and with large data it was The results are excellent, from 91% to 96%.
ISSN: 1812-125X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.