МАШИНАЛЫҚ ОҚЫТУ АЛГОРИТМДЕРІН ҚОЛДАНА ОТЫРЫП ДАУЫСТЫ ТАНУ

2024

Толық мәтін Ашық қол жеткізу: Hybrid Метадеректер (CSL-JSON)
DOI 10.52167/1609-1817-2024-135-6-161-169
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Біз мақалада біз дауысты автоматты түрде тану жүйесінің жұмысын жақсартатын алгоритмін анықтау үшін дауыстың әртүрлі MFCC мүмкіндіктерін және дауысты тану үшін машиналық оқыту алгоритмдерін қарастыратын боламыз. Біздер дауысты тану үшін машиналық оқыту алгоритмдерінің ішінен нейрондық желі архитектурасын салыстырып қайсысы жақсы нәтиже беретінін анықтаймыз. Біздің мақсатымыз нейрондық желі архитектурасының көп қабатты перцептронды (MLP) және конволюциялық нейрондық желілерді (CNN) дауысты тануға тән ерекшеліктерді автоматты түрде зерттеу. Эксперимент барысында сөйлеушінің дауысын тану, анықтау алгоритмі мен моделі құрылып, дауысты тану екі кезеңде жүзеге асырылды: оқыту және тестілеу.