خرید و دانلود نسخه کامل کتاب A Syllable, Articulatory-Feature, and Stress-Accent Model of Speech Recognition
قیمت اصلی 54.500 تومان بود.27.000 تومانقیمت فعلی 27.000 تومان است.
تعداد فروش: 65
| عنوان فارسی |
یک مدل هجا، ویژگی بیانی و استرس-لهجه برای تشخیص گفتار |
|---|---|
| عنوان اصلی | A Syllable, Articulatory-Feature, and Stress-Accent Model of Speech Recognition |
| ناشر | |
| نویسنده | Chang Shuangyu. |
| ISBN | |
| سال نشر | |
| زبان | English |
| تعداد صفحات | 286 |
| دسته | خارجی: انگلیسی |
| فرمت کتاب | pdf – قابل تبدیل به سایر فرمت ها |
| حجم فایل | 2 مگابایت |
آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.
توضیحاتی در مورد کتاب
286 صفحه.
دکتر فلسفه در علوم کامپیوتر
دانشگاه کالیفرنیا، برکلی، 2002
پروفسور نلسون مورگان، دکتر لوکندرا شاستری، Cochairs
نسل فعلی خودکار سیستم‌های تشخیص گفتار (ASR) فرض می‌کنند که کلمات به آسانی به اجزای آوایی تشکیل‌دهنده (phonemes”) تجزیه می‌شوند.
یک کالبدشکافی دقیق زبانی از پیشرفته‌ترین سیستم‌های تشخیص گفتار نشان می‌دهد که واجی مرسوم beads- رویکرد on-a-string از کاربرد محدودی برخوردار است، به ویژه در مورد مطالب غیررسمی و محاوره ای. این مطالعه نشان می دهد که شکاف قابل توجهی بین داده های مشاهده شده و مدل های تلفظ سیستم های ASR فعلی وجود دارد. همچنین نشان می‌دهد که بسیاری از عوامل مهم در عملکرد تشخیص به‌طور صریح در این سیستم‌ها مدل‌سازی نشده‌اند.
این پایان‌نامه با انگیزه این یافته‌ها، گفتار خود به خود را با توجه به سه مؤلفه مهم، اما اغلب نادیده گرفته شده از گفتار (حداقل با با احترام به ASR انگلیسی). این اجزاء عبارتند از ویژگی های مفصلی- آکوستیک (AF)، هجا و لهجه استرس. نتایج تجزیه و تحلیل شواهدی برای رویکرد جایگزین مدل‌سازی گفتار فراهم می‌کند، رویکردی که در آن هجا وضعیت برتر را به خود می‌گیرد و از طریق ادغام اطلاعات عروضی مانند لهجه تاکیدی به سطوح پایین‌تر و همچنین بالاتر بازنمایی زبانی ادغام می‌شود. با استفاده از مثال‌ها و آمارهای عینی از مطالب گفتاری خود به خود نشان داده می‌شود که یک رابطه سیستماتیک بین تحقق AF و لهجه استرس در ارتباط با موقعیت هجا وجود دارد. این رابطه می تواند برای ارائه یک توصیف دقیق و مقرون به صرفه از تنوع تلفظی در گفتار خود به خود استفاده شود. رویکردی برای استخراج خودکار AF از سیگنال صوتی نیز توسعه داده شده است، همانطور که سیستمی برای برچسب زدن خودکار استرس-لهجه گفتار خود به خودی است.
بر اساس نتایج این مطالعات، یک مدل هجا محور و چند لایه از تشخیص گفتار پیشنهاد شده است. این مدل به صراحت AF، بخش‌های آوایی و اجزای هجا را به چارچوبی برای نمایش واژگانی مرتبط می‌کند و اطلاعات تاکیدی-لهجه‌ای را در تشخیص ترکیب می‌کند. یک پیاده‌سازی بستر آزمایشی مدل با استفاده از یک رویکرد مبتنی بر فازی برای ترکیب شواهد از منابع مختلف AF و یک تکنیک مدل‌سازی تلفظ-تغییر با استفاده از آمار تغییرات AF استخراج شده از داده‌ها توسعه داده شده است.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.