ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Correction par Réseaux de Neur...>الوصف

Correction par Réseaux de Neurones Artificiels des Troubles d’Articulé Dentaire chez un Locuteur Arabophone

العنوان المترجم: Correction by Artificial Neural Networks of Dental Articulated Disorders of An Arabic Speaking Person
المصدر: اللسانيات
الناشر: مركز البحث العلمى والتقنى لتطوير اللغة العربية
المؤلف الرئيسي: Guerti, Mhania (Author)
مؤلفين آخرين: Hermi, Fodhil (Co-Author)
المجلد/العدد: ع23
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2017
الصفحات: 10 - 25
DOI: 10.38169/0661-000-023-015
ISSN: 1112-4393
رقم MD: 876331
نوع المحتوى: بحوث ومقالات
اللغة: الفرنسية
قواعد المعلومات: AraBase
مواضيع:
علم الأصوات | اللغة العربية | النطق | الأصوات الآلية | العصب البشري | طب الأسنان | طقوم الأسنان | مستخلصات الأبحاث | اللغة الأجنبية
كلمات المؤلف المفتاحية:
طب الأسنان الترقيعي | اللغة العربية | تصحيح النطق | التعرف الآلي على الأصوات | شبكة العصبونات | المسافة الإقليدية | Denture | Arabic Language | Correction of the Pronunciation | Automatic Speech Recognition | Artificial Neural Networks | SFS Software | Matlab | Euclidean Distance | MFCC | Matlab | SFS
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: Le but de notre travail est la correction des troubles causés par le port de la prothèse dentaire lors de la prononciation des dix consonnes dentales de la langue arabe. Pour atteindre cet objectif, nous avons élaboré un corpus de mots contenant toutes les consonnes dentales dans les différentes positions qui existent en Arabe (initiale, médiane et finale). Pour cela, nous avons choisi deux ensembles : des Sujets Normaux (SN), comme Référence et des Sujets ayant des troubles de la prononciation, occasionnés par le port de la Prothèse Dentaire (SPD). Pour calculer le Taux de Reconnaissance (TR) des consonnes dentales des SN et des SPD, nous commençons par l’enregistrement des signaux de parole, des mots porteurs des 10 phonèmes choisis. Nous faisons la segmentation manuelle à l’aide du logiciel Speech Filing System Software (SFS). Par la suite, nous utilisons l’environnement Matlab. Nous extrayons les paramètres caractérisant le signal acquis à l’aide des MFCC (Mel Frequency Cepstral Coefficients) et Delta MFCC (la dérivée première des MFCC). Finalement, nous calculons le TR de ces phonèmes en appliquant les Réseaux de Neurones Multicouches (Multi Layer Perceptrons : MLP). Pour corriger les troubles de la prononciation, causés par le port de la prothèse dentaire, nous calculons la Distance Euclidienne (DE) entre les paramètres des enregistrements des deux ensembles de sujets, en les répétant jusqu’à ce que la DE soit minimale ou tende vers zéro. Les résultats obtenus ont un TR de classification moyen global, de 75.50%, concernant les phonèmes du corpus prononcé par les SN. Par conséquent, nous déduisons que nos résultats sont acceptables et peuvent être considérés comme satisfaisants. Cependant, ce TR peut être meilleur en enrichissant la Base de Données et en améliorant les conditions d’enregistrement.

The aim of our work is to correct disorders caused by wearing the denture during the pronunciation of the 10 Arabic dental phonemes To achieve this goal, we developed a corpus of words containing these phonemes in different positions that exist in Arabic (initial, median and final). For this, we chose two sets of subjects: Normal Subjects (NS) as Reference and a set of Subjects Wearing Dentures (SWD). To calculate the Recognition Rate (RR) of dental phonemes uttered by NS and SWD, we start with data acquisition that consists of saving the selected corpus of 10 phonemes and then by performing manual segmentation using the Speech Filing System (SFS). The Matlab software was used to code the sys-tem components. The acoustic analysis we performed, consists of extracting the MFCC (Mel Frequency Cepstral Coefficients) and Delta MFCC (first derivative of MFCC). The RR of dental phonemes are performed by using Multi Layer Neural Networks (Multi Layer Perceptrons: MLP). To solve the problems of pronunciation caused by the wearing of dental prosthesis, we calculate the Euclidean Distance (ED) between the two categories of parameters and repeat the phonemes to decrease up to reach the neighborhood of zero. The results are promising since a satisfactory classification rate of 75.50% was achieved when the task consisted of verifying that problematic phonemes were effectively corrected. However, the RR can be improved by enriching the corpus and enhancing the recording conditions.

الهدف من عملنا هو تصحيح الأخطاء الناتجة عن ارتداء أطقم الأسنان أثناء نطق 10 أصوات أسنانية للغة العربية لتحقيق هذا الهدف، وضعنا مجموعة من الكمات التي تتضمن كافة الصوامت المختلفة الموجودة في اللغة العربية (أول، وسط وآخر الكلمة) لهذه الأسباب قمنا باختيار مجموعتين من الأشخاص، مجموعة من الأشخاص العاديين كمرجع ومجموعة من الأشخاص الذين يرتدون أطقم الأسنان. لحساب معدل الأسنانية للأشخاص العاديين وكذلك الأشخاص الذين يرتدون أطقم الأسنان بدأنا بالتسجيل الصوتي للصوامت العشرة ثم بالتقطيع اليدوي للبنيات المسجلة المختارة وذلك باستخدام Speech Filing System Software (SFS ثم نستخرج باستعمال برمجة Matlab الخصائص التي تتميز بها الإشارة والتي نحصل عليها بطريقتين MFCC (معاملات ميل التردد (Cepstral وDelta MFCC (المشتقة الأولى لها).وأخيرا حساب معدل التعرف للصوامت الأسنانية باستخدام شبكة العصبونات (طبقة متعددة: MLP). لتصحيح مشاكل النطق الناتجة عن ارتداء أطقم الأسنان، نقوم بحساب المسافة الإقليدية بين عوامل هاتين المجموعتين من الأشخاص العاديين والذين يرتدون أطقم الأسنان مع تكرارها وذلك لتقليص المسافة الإقليدية حتى تصل إلى القيمة الصغرى أو الأقرب من الصفر. تحليل النتائج جاءت جد محفزة لأننا حققنا معدل التعرف على الصوامت الأسنانية من الأمثلة العربية المختارة. قد قدرت نسبة التصنيف العام بالنسبة للأشخاص العاديين ب 75.50% ولقد تحصلنا على نتائج مقبولة، يمكن اعتبارها مرضية. ومع ذلك، يمكن تحسين معدل التعرف بإثراء قاعدة المعطيات وتحسين شروط التسجيل.
ISSN: 1112-4393

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.