Hướng tiếp cận dựa trên phổ tần số cho nhận thức tiếng nói - Luận án TS Nguyễn Quang Trung
Luận án TS máy tính dùng phổ tần số giải quyết hiệu quả nhận thức tiếng nói, khám phá công nghệ xử lý âm thanh tiên tiến.
Khoa học máy tính
Luan An
Luận án Tiến sĩ
Năm xuất bản
Số trang
141
Thời gian đọc
22 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tóm tắt nội dung
I.Nhận thức tiếng nói Tổng quan và thách thức then chốt
Luận án tập trung vào bài toán nhận thức tiếng nói, một lĩnh vực trọng tâm của trí tuệ nhân tạo. Quá trình này mô phỏng khả năng của con người trong việc hiểu lời nói thông qua phân tích tín hiệu âm thanh. Mục tiêu nghiên cứu là nâng cao độ chính xác và hiệu quả của các hệ thống nhận diện giọng nói. Tuy nhiên, bài toán này đối mặt với nhiều thách thức phức tạp, từ sự đa dạng của giọng nói con người đến các yếu tố môi trường. Việc biểu diễn tín hiệu tiếng nói một cách hiệu quả là chìa khóa để vượt qua những rào cản này, mở đường cho các ứng dụng công nghệ rộng rãi trong xử lý ngôn ngữ tự nhiên và tương tác người-máy.
1.1. Quá trình nhận thức tiếng nói ở người và máy tính
Con người nhận thức tiếng nói qua tai ngoài, tai trong và các cơ chế truyền sóng âm phức tạp trong ốc tai. Máy tính mô phỏng quá trình này bằng cách lấy mẫu, lượng tử hóa và mã hóa tín hiệu tiếng nói. Sau đó, hệ thống trích chọn các đặc trưng quan trọng từ tín hiệu số. Bước tiếp theo là phân lớp hoặc phân cụm dữ liệu để nhận diện các đơn vị âm thanh. Quá trình này là nền tảng cho mọi hệ thống nhận diện giọng nói hiện đại, từ trợ lý ảo đến các ứng dụng tự động hóa.
1.2. Những khó khăn cố hữu trong bài toán nhận thức tiếng nói
Bài toán nhận thức tiếng nói gặp nhiều khó khăn. Tính tuyến tính của tín hiệu âm thanh thường bị phá vỡ trong thực tế. Vấn đề phân đoạn tiếng nói chính xác, đặc biệt trong môi trường nhiễu, là một thử thách lớn. Sự phụ thuộc vào người nói cũng gây trở ngại, khi mỗi cá nhân có đặc điểm giọng nói riêng. Các đơn vị nhận thức cơ bản, như âm vị hay từ, cần được xác định rõ ràng và ổn định. Nghiên cứu giải quyết những vấn đề này để cải thiện hiệu suất của mô hình máy học.
1.3. Các hướng nghiên cứu chính trong nhận thức tiếng nói
Lĩnh vực nhận thức tiếng nói bao gồm nhiều hướng nghiên cứu. Bài toán nhận dạng người nói tập trung vào việc xác định danh tính của cá nhân. Bài toán nhận dạng tiếng nói là chuyển đổi âm thanh thành văn bản. Một hướng khác là học mối quan hệ giữa tín hiệu tiếng nói với các tín hiệu khác, như hình ảnh. Mỗi hướng đều đóng góp vào sự phát triển toàn diện của trí tuệ nhân tạo, đặc biệt trong các ứng dụng xử lý ngôn ngữ tự nhiên và tương tác thông minh.
II.Học máy tiên tiến cho bài toán nhận thức tiếng nói
Các mô hình học máy đóng vai trò trung tâm trong sự tiến bộ của nhận thức tiếng nói. Luận án khám phá các kỹ thuật từ mô hình Markov ẩn (HMM) truyền thống đến các kiến trúc mạng nơ-ron hiện đại. Học sâu, một nhánh của học máy, đã cách mạng hóa cách xử lý dữ liệu âm thanh. Việc lựa chọn và thiết kế các mô hình phù hợp, kết hợp với các kỹ thuật trích chọn đặc trưng hiệu quả, là yếu tố quyết định đến chất lượng của hệ thống. Những phương pháp này là xương sống cho việc phân tích âm thanh phức tạp và biến đổi chúng thành thông tin có ý nghĩa.
2.1. Mô hình học máy truyền thống và hiện đại
Luận án xem xét một số mô hình học máy chủ đạo. Mô hình Markov ẩn (HMM) từng là tiêu chuẩn vàng, nổi bật với khả năng mô hình hóa chuỗi thời gian của tín hiệu. Mô hình ngôn ngữ bổ trợ HMM bằng cách dự đoán sự xuất hiện của các từ. Mạng nơ-ron đã mang lại bước nhảy vọt về hiệu suất. Đặc biệt, mạng học sâu, với nhiều lớp ẩn, có khả năng học các đặc trưng phức tạp từ dữ liệu thô. Các mô hình này là công cụ thiết yếu trong xử lý ngôn ngữ tự nhiên.
2.2. Trích chọn đặc trưng tiếng nói Nền tảng cải thiện hiệu suất
Trích chọn đặc trưng tiếng nói là bước quan trọng để chuyển đổi tín hiệu âm thanh thô thành dạng biểu diễn phù hợp cho học máy. Các phương pháp phổ biến bao gồm đặc trưng tần số Mel cepstral (MFCC), phương pháp mã dự đoán tuyến tính (LPC) và đặc trưng biên độ tuyến tính dự đoán (PLP). MFCC mô phỏng cách tai người cảm nhận âm thanh. LPC và PLP tập trung vào các đặc tính âm học của tiếng nói. Việc lựa chọn đặc trưng tối ưu giúp mô hình nhận diện giọng nói hoạt động hiệu quả hơn.
2.3. Sức mạnh của Mạng nơ ron và Học sâu trong xử lý âm thanh
Mạng nơ-ron, đặc biệt là mạng học sâu, đã chứng minh sức mạnh vượt trội trong xử lý âm thanh. Chúng có khả năng tự động học các đặc trưng phức tạp từ dữ liệu đầu vào, giảm bớt sự phụ thuộc vào các kỹ thuật trích chọn đặc trưng thủ công. Các kiến trúc như Mạng nơ-ron tích chập (CNN) đã đạt được những kết quả ấn tượng trong nhận diện giọng nói. Học sâu cho phép xây dựng các mô hình mạnh mẽ, có khả năng khái quát hóa tốt, ngay cả với dữ liệu tiếng nói đa dạng và nhiễu.
III.Phổ tần số Nền tảng cải tiến nhận thức tiếng nói
Luận án đề xuất một hướng tiếp cận mới dựa trên phổ tần số để cải thiện nhận thức tiếng nói. Phân tích phổ tần số giúp khám phá các đặc điểm âm học sâu sắc hơn trong tín hiệu tiếng nói. Hướng tiếp cận này khai thác thông tin tần số để xây dựng các biểu diễn đặc trưng mạnh mẽ và bất biến. Các phương pháp phân lớp tiên tiến, cùng với việc tích hợp mạng tích chập, được áp dụng trực tiếp trên dữ liệu phổ tần số. Cách tiếp cận này hứa hẹn nâng cao độ chính xác và khả năng thích ứng của hệ thống nhận diện giọng nói trong nhiều điều kiện môi trường khác nhau, góp phần vào sự phát triển của khoa học dữ liệu và trí tuệ nhân tạo.
3.1. Ứng dụng phổ tần số để biểu diễn tín hiệu tiếng nói
Phổ tần số của tín hiệu tiếng nói cung cấp một cái nhìn chi tiết về các thành phần tần số và năng lượng của âm thanh. Luận án khai thác triệt để thông tin này để biểu diễn tín hiệu tiếng nói. Việc chuyển đổi tín hiệu từ miền thời gian sang miền tần số bằng các phép biến đổi toán học là bước cơ bản. Biểu diễn dựa trên phổ tần số giúp làm nổi bật các đặc trưng âm học quan trọng, đồng thời làm giảm ảnh hưởng của các yếu tố nhiễu không mong muốn. Đây là cơ sở cho việc trích chọn đặc trưng hiệu quả.
3.2. Đặc trưng SIFT và phương pháp phân lớp hiệu quả
Luận án đề xuất sử dụng đặc trưng bất biến SIFT (Scale-Invariant Feature Transform) trong bối cảnh nhận thức tiếng nói. SIFT, vốn nổi tiếng trong xử lý ảnh, được điều chỉnh để trích xuất các điểm đặc trưng ổn định từ phổ tần số của tín hiệu tiếng nói. Các phương pháp phân lớp như NBNN (Nearest Neighbor Classifier) và LNBNN (Locally Normalized Bag-of-Words Nearest Neighbor) được áp dụng để phân loại các đặc trưng này. Thí nghiệm so sánh SIFT với MFCC khi sử dụng LNBNN chứng minh hiệu quả của phương pháp mới. Khả năng học tăng cường của LNBNN cũng được đánh giá.
3.3. Tích hợp Mạng tích chập với phổ tần số cho độ chính xác cao
Nghiên cứu khám phá hướng tiếp cận mạng tích chập (CNN) dựa trên phổ tần số. Các CNN có khả năng tự động học các mẫu phức tạp từ biểu đồ phổ tần số của tiếng nói. Mô hình này xử lý phổ tần số như một dạng 'hình ảnh' để áp dụng các bộ lọc tích chập. Điều này giúp phát hiện các đặc trưng cục bộ và toàn cục quan trọng trong tín hiệu âm thanh. Thí nghiệm với mạng tích chập trên tín hiệu tiếng nói chứng tỏ tiềm năng lớn trong việc đạt được độ chính xác cao và khả năng chịu nhiễu tốt, góp phần vào các ứng dụng công nghệ hiện đại.
IV.Mô hình đa phương thức cho nhận thức tiếng nói toàn diện
Nhận thức tiếng nói trở nên toàn diện hơn khi kết hợp thông tin từ nhiều nguồn. Luận án đề xuất mô hình đa phương thức, học mối quan hệ giữa tín hiệu âm thanh và hình ảnh. Cơ chế này mô phỏng cách con người sử dụng cả thị giác và thính giác để hiểu lời nói, đặc biệt trong môi trường ồn ào. Các phương pháp học máy, bao gồm mạng nơ-ron nhân tạo và mạng tích chập, được sử dụng để ánh xạ và kết nối hai loại tín hiệu này. Hướng tiếp cận đa phương thức mở ra tiềm năng lớn cho các hệ thống nhận diện giọng nói mạnh mẽ hơn, ít bị ảnh hưởng bởi nhiễu và ngữ cảnh.
4.1. Học mối quan hệ giữa tín hiệu âm thanh và hình ảnh
Việc học mối quan hệ giữa tín hiệu âm thanh và hình ảnh là trọng tâm của mô hình đa phương thức. Luận án khám phá các phương pháp học mối quan hệ, bao gồm việc sử dụng mạng nhân tạo (ANN), mô hình Markov ẩn (HMM), và các phương pháp dựa trên luật hoặc thống kê. Mỗi phương pháp có ưu điểm riêng trong việc liên kết các đặc trưng từ hai miền dữ liệu khác nhau. Mục tiêu là xây dựng một biểu diễn chung, mạnh mẽ, nắm bắt được sự tương quan giữa cử động môi và âm thanh phát ra.
4.2. Đề xuất mô hình nhận thức tiếng nói đa phương thức
Luận án đề xuất một mô hình nhận thức tiếng nói mới dựa trên việc học quan hệ giữa tín hiệu âm thanh và tín hiệu hình ảnh. Cơ sở đề xuất dựa trên việc tận dụng thông tin bổ sung từ hình ảnh (ví dụ: chuyển động môi) để cải thiện độ chính xác của nhận diện giọng nói khi tín hiệu âm thanh bị suy giảm. Mô hình sử dụng mạng tích chập để ánh xạ giữa tín hiệu âm thanh và tín hiệu hình ảnh, cho phép học các đặc trưng đa phương thức một cách hiệu quả và tự động. Điều này giúp mô hình nhận diện giọng nói có khả năng hoạt động tốt hơn trong môi trường thực tế.
4.3. Đánh giá hiệu quả của mô hình kết hợp âm thanh hình ảnh
Các thực nghiệm được tiến hành để đánh giá hiệu quả của mô hình nhận thức tiếng nói dựa trên học quan hệ giữa tín hiệu âm thanh và hình ảnh. Đặc biệt, mô hình dựa trên mạng tích chập được thử nghiệm kỹ lưỡng. Kết quả cho thấy sự kết hợp thông tin từ cả hai kênh giúp cải thiện đáng kể độ chính xác nhận diện so với việc chỉ sử dụng một kênh đơn lẻ. Điều này khẳng định tiềm năng của hướng tiếp cận đa phương thức trong việc xây dựng các hệ thống nhận thức tiếng nói mạnh mẽ và đáng tin cậy cho các ứng dụng thực tế.
V.Cải thiện nhận thức tiếng nói trên dữ liệu lớn và phức tạp
Với sự bùng nổ của dữ liệu lớn, việc tối ưu hóa các mô hình nhận thức tiếng nói trở nên cấp thiết. Luận án tập trung vào các cải tiến nhằm xử lý hiệu quả lượng dữ liệu khổng lồ. Một trong những giải pháp chính là rút gọn đặc trưng, giúp giảm chiều dữ liệu và tăng tốc độ xử lý mà không làm mất đi thông tin quan trọng. Các phương pháp khác cũng được nghiên cứu để nâng cao khả năng học của mô hình trên các tập dữ liệu đa dạng và phức tạp. Những cải tiến này đảm bảo rằng các hệ thống nhận diện giọng nói có thể mở rộng và hoạt động mạnh mẽ trong môi trường dữ liệu lớn.
5.1. Giải pháp rút gọn đặc trưng cho dữ liệu lớn
Khi đối mặt với dữ liệu lớn, số lượng đặc trưng có thể trở nên quá lớn, gây ra vấn đề về chi phí tính toán và hiệu suất mô hình. Luận án nghiên cứu các phương pháp rút gọn đặc trưng hiệu quả. Mục tiêu là chọn lọc ra tập hợp các đặc trưng quan trọng nhất hoặc tạo ra các đặc trưng mới có chiều thấp hơn nhưng vẫn giữ được thông tin cần thiết. Việc rút gọn đặc trưng giúp giảm thời gian huấn luyện và kiểm thử, đồng thời có thể cải thiện khả năng khái quát hóa của mô hình trên dữ liệu chưa biết, ứng dụng khoa học dữ liệu hiệu quả.
5.2. Các cải tiến kỹ thuật xử lý để tăng tốc độ và độ chính xác
Ngoài việc rút gọn đặc trưng, luận án còn đề xuất các cải tiến kỹ thuật xử lý khác. Các cải tiến này bao gồm tối ưu hóa thuật toán huấn luyện, sử dụng kiến trúc mạng nơ-ron hiệu quả hơn, hoặc áp dụng các kỹ thuật tăng cường dữ liệu. Mục tiêu là không chỉ duy trì mà còn nâng cao độ chính xác của mô hình trong khi giảm thiểu tài nguyên tính toán cần thiết. Những cải tiến này là yếu tố then chốt để xây dựng các hệ thống nhận diện giọng nói có khả năng mở rộng, đáp ứng yêu cầu của các ứng dụng công nghệ thực tiễn trong môi trường dữ liệu lớn.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (141 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN QUANG TRUNG HƯỚNG TIẾP CẬN DỰA TRÊN PHỔ TẦN SỐ CHO BÀI TOÁN NHẬN THỨC TIẾNG NÓI LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN Hà Nội - 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN QUANG TRUNG HƯỚNG TIẾP CẬN DỰA TRÊN PHỔ TẦN SỐ CHO BÀI TOÁN NHẬN THỨC TIẾNG NÓI Chuyên ngành: Khoa học máy tính Mã số: 9480101.01 LUẬN ÁN TIẾN SĨ: CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Bùi Thế Duy Hà Nội - 2019 LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện dưới sự hướng dẫn của PGS. Bùi Thế Duy tại bộ môn Khoa học máy tính, Khoa Công nghệ Thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà nội. Các số liệu và kết quả trình bày trong luận án là trung thực, chưa được công bố bởi bất kỳ tác giả nào hay ở bất kỳ công trình nào khác.
Tác giả Nguyễn Quang Trung 1 LỜI CẢM ƠN Kết quả đạt được của Luận án không chỉ là những nỗ lực cá nhân, mà còn có sự hỗ trợ và giúp đỡ của tập thể người hướng dẫn, cơ sở đào tạo, cơ quan chủ quản, đồng nghiệp và gia đình. Trước tiên, tôi xin bày tỏ sự biết ơn sâu sắc đến PGS. Bùi Thế Duy. Được làm việc với thầy là một cơ hội lớn cho tôi học hỏi phương pháp nghiên cứu, tính kiên trì và phương pháp làm việc nghiêm túc, khoa học.
Tôi xin trân trọng cảm ơn Khoa Công nghệ thông tin, Phòng Đào tạo, Ban Giám hiệu trường đại học công nghệ, đại học Quốc gia Hà Nội đã tạo điều kiện thuận lợi cho tôi trong suốt quá trình thực hiện luận án. Tôi xin cảm ơn Ban Giám đốc Học viện Thanh thiếu niên Việt Nam và các bạn bè, đồng nghiệp đã cổ vũ, động viên và tạo các điều kiện thuận lợi nhất cho tôi trong quá trình học tập, nghiên cứu. Tôi cũng bày tỏ lời cảm ơn sâu sắc tới sự hỗ trợ của đề tài “Nghiên cứu ứng dụng công nghệ đa phương tiện trong bảo tồn và phát huy di sản văn hóa phi vật thể”, mã số “ĐTĐL-CN.34/16” cũng như sự giúp đỡ nhiệt tình của các thành viên tham gia đề tài. Cuối cùng, tôi xin bày tỏ lòng biết ơn đối với gia đình tôi luôn bên cạnh ủng hộ, giúp đỡ, chia sẻ với tôi những lúc khó khăn.
Xin chân thành cảm ơn! 2 MỤC LỤC LỜI CAM ĐOAN. Tính cấp thiết của đề tài. Mục tiêu, phạm vi nghiên cứu của luận án. Phương pháp và nội dung nghiên cứu.
Kết quả đạt được của luận án. Cấu trúc luận án. TỔNG QUAN VỀ NHẬN THỨC TIẾNG NÓI. Quá trình nhận thức tiếng nói ở người.
Tai ngoài thu nhận tín hiệu tiếng nói từ. Tai trong và cơ chế truyền sóng âm trong ốc tai. Quá trình mô phỏng nhận thức tiếng nói trên máy tính. Lấy mẫu tín hiệu tiếng nói.
Lượng tử hoá các mẫu. Mã hóa các mẫu lượng tử hóa. Biểu diễn tín hiệu tiếng nói. Trích chọn đặc trưng tiếng nói.
Phân lớp, phân cụm dữ liệu. Tổng quan tình hình nghiên cứu về nhận thức tiếng nói. Bài toán nhận thức tiếng nói trong khoa học máy tính. Bài toán nhận dạng người nói.
Bài toán nhận dạng tiếng nói. Bài toán nhận thức tiếng nói. Một số khó khăn trong nhận thức tiếng nói. Tính tuyến tính.
Phân đoạn tiếng nói. Vấn đề phụ thuộc người nói. Đơn vị nhận thức cơ bản. Mô hình nhận thức tiếng nói dựa trên học quan hệ giữa tín hiệu tiếng nói với các tín hiệu khác.
MỘT SỐ HƯỚNG TIẾP CẬN HỌC MÁY CHO BÀI TOÁN NHẬN THỨC TIẾNG NÓI. Một số mô hình học máy cho bài toán nhận thức tiếng nói. Mô hình Markov ẩn. Mô hình ngôn ngữ.
Mô hình mạng nơ-ron. Mạng học sâu. Trích chọn đặc trưng tiếng nói cho các mô hình học máy. Đặc trưng MFCC.
Phương pháp mã dự đoán tuyến tính LPC. Đặc trưng PLP. HƯỚNG TIẾP CẬN DỰA TRÊN PHỔ TẦN SỐ CHO BÀI TOÁN NHẬN THỨC TIẾNG NÓI TRONG MỐI LIÊN HỆ VỚI CÁC KHÁI NIỆM 61 3. Phổ tần số của tín hiệu tiếng nói.
Đặc trưng bất biến SIFT. Phương pháp phân lớp NBNN. Phương pháp phân lớp LNBNN. Hướng tiếp cận trích chọn đặc trưng tiếng nói dựa trên phổ tần số cho bài toán nhận thức tiếng nói.
Hướng tiếp cận mạng tích chập dựa trên phổ tần số cho bài toán nhận thức tiếng nói. Thực nghiệm và kết quả. Dữ liệu thực nghiệm. Thí nghiệm so sánh độ chính xác phân lớp của đặc trưng SIFT với đặc trưng MFCC khi sử dụng LNBNN.
Thí nghiệm với dữ liệu co dãn theo thời gian. Thí nghiệm so sánh LNBNN và các phương pháp phân lớp khác 80 3. Thí nghiệm khả năng học tăng cường của LNBNN. Thí nghiệm với mạng tích chập trên tín hiệu tiếng nói.
MÔ HÌNH NHẬN THỨC TIẾNG NÓI THÔNG QUA HỌC MỐI QUAN HỆ GIỮA TÍN HIỆU TIẾNG NÓI VÀ HÌNH ẢNH. Các phương pháp học mối quan hệ. Học mối quan hệ bằng mạng nhân tạo. Học mối quan hệ bằng HMM.
Học mối quan hệ dựa trên luật. Học mối quan hệ dựa trên thống kê. Đề xuất mô hình nhận thức tiếng nói. Cơ sở đề xuất mô hình.
Mô hình nhận thức tiếng nói dựa trên học quan hệ giữa tín hiệu âm thanh và tín hiệu hình ảnh. Mô hình nhận thức tiếng nói dựa trên ánh xạ giữa tín hiệu âm thanh và tín hiệu hình ảnh bằng mạng tích chập. Thực nghiệm và kết quả. Thực nghiệm mô hình nhận thức tiếng nói dựa trên học quan hệ giữa tín hiệu âm thanh và tín hiệu hình ảnh.
Thực nghiệm mô hình nhận thức dựa trên mạng tích chập 102 4. MỘT SỐ CẢI TIẾN CHO BÀI TOÁN NHẬN THỨC TIẾNG NÓI DỮ LIỆU LỚN. Rút gọn đặc trưng. Giới thiệu về rút gọn đặc trưng.
Rút gọn đặc trưng SIFT. Bảng băm đa chỉ số. Thực nghiệm và kết quả. Cài đặt phương pháp phân lớp LNBNN cho bài toán nhận thức tiếng nói dữ liệu lớn.
Giới thiệu Framework Hadoop. Cài đặt thuật toán phân lớp LNBNN trên nền Hadoop. 124 6 DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT TT Viết tắt Từ tiếng Anh Nghĩa tiếng Việt 1. ANN Artificial Neural Network Mạng trí tuệ nhân tạo Bi-directional Assosiation Mạng nhớ kết hợp hai 2.
BAM Memory chiều 3. CNN Convolution Neural Network Mạng tích chập Văn phạm phi ngữ 4. CFG Context Free Grammar cảnh Center for Spoken Language Trung tâm nghiên cứu 5. CSLU Understanding tiếng nói 6.
DNN Deep Neural Network Mạng học sâu 7. DoG Different-of-Gaussian Bộ lọc DoG 8. DCT Discrete Cosin Transform Biến đổi Cosin rời rạc Biến đổi Fourier rời 9. DFT Discrete Fourier Transform rạc Phương pháp lập trình 10.
DTW Dynamic Time Warping động 11. FA Factor Analysis Phân tích nhân tố 12. FFT Fast Fourier Transform Biến đổi Fuutier nhanh Mô hình Gaussian hỗn 13. GMM Gaussian Mixture Model hợp Hadoop Distributed File 14.
HDFS Hệ thống tệp phân tán System 15. HMM Hidden Markov Model Mô hình Markov ẩn Histogram of Oriented Đặc trưng lược đồ độ 16. HOG Gradients dốc theo hướng Independent Component Phân tích thành phần 17. ICA Analysis độc lập 18.
LBG Linde–Buzo–Gray Thuật toán LBG Phân tích biệt thức 19. LDA Linear Discriminant Analysis tuyến tính Local Naïve Bayes Nearest Phương pháp phân lớp 20. LNBNN Neighbor NBNN cục bộ 21. LPC Linear Predictive Coding Mã dự báo tuyến tính Mel-frequency cepstral 22.
MFCC Hệ số Mel coefficients Multiple Principal Component Phân tích đa thành 23. MPCA Analysis phần 7 Phương pháp phân lớp 24. NBNN Naïve Bayes Nearest Neighbor NBNN Phân tích thành phần 25. PCA Principal Component Analysis chính Mã nhận thức tuyến 26.
PLP Perceptual Linear Prediction tính 27. RNN Recurrent Neural Network Mạng hồi quy Scale Invariant Feature Đặc trưng bất biến đối 28. SIFT Transform với phép biến đổi 29. SOM Self Organizing Map Bản đồ tự tổ chức 30.
SURF Speeded Up Robust Features Đặc trưng ảnh nhanh 31. SVM Support Vector Machine Máy véc tơ hỗ trợ Thời gian bắt đầu 32. VOT Voice On Set time nguyên âm 8 DANH MỤC HÌNH ẢNH Hình 1.1 Sơ đồ quá trình nhận thức tiếng nói. 2 Mô phỏng các bước trong nhận thức tiếng nói của máy tính 19 Hình 1.
3 Quá trình thu nhận âm thanh ở ốc tai. 4 Cộng hưởng với các tần số âm khác nhau ở ốc tai .5 Khu vực lưu trữ đặc trưng tiếng nói trên vỏ não. 6 Biểu diễn tín hiệu tiếng nói trên miền thời gian. 7 Biểu diễn tín hiệu tiếng nói trên miền tần số .8 Biểu diễn tín hiệu tiếng nói trên miền kết hợp.
1 Mô hình HMM-GMM có cấu trúc dạng Left-Right liên kết không đầy đủ. (a) Perceptron 1 lớp, (b) Perceptron nhiều lớp. 3 Mô hình bộ tự mã hóa. 4 Mô hình mạng hồi quy.
5 Mô hình mạng tích chập CNN. 6 Tích chập một bộ lọc với dữ liệu đầu vào. 7 Ví dụ lấy mẫu với hàm max. 8 Mô hình mạng tích chập LeNet 5 [Lecun, 1998].
9 Mô hình mạng tích chập AlexNet [Krizhevsky, 2012]. 10 Mô hình mạng ZF Net [Zeiler, 2014]. 11 Mô hình mạng tích chập VGGNET [Simonyan, 2014]. 12 Sơ đồ khối các bước trích chọn đặc trưng MFCC.
13 Sơ đồ trích chọn đặc trưng LPC. 14 Sơ đồ khối các bước trích chọn đặc trưng PLP. 1 Phổ của từ A trong tiếng Anh được nói bởi 4 người khác nhau. 2 Phổ của các chữ cái A-D trong tiếng Anh của cùng một người nói.
3 Phổ của âm tiết Haa trong tiếng Nhật được nói bởi 5 người khác nhau. 4 Phổ của 5 âm tiết tiếng Nhật do cùng một người nói. 5 Sơ đồ trich xuất phổ tần số của tín hiệu tiếng nói. 6 Mô tả điểm hấp dẫn SIFT [Lowe, 1999].
7 Sơ đồ các bước trích chọn đặc trưng SIFT-SPEECH từ tín hiệu tiếng nói. 8 Một số điểm SIFT-SPEECH trích xuất từ phổ tần số của tín hiệu tiếng nói. 9 Mô hình phân lớp tiếng nói bằng LNBNN-SIFT-SPEECH. 10 Mô hình CNN cho bài toán nhận dạng tiếng nói dựa trên phổ tần số.
11 So sánh độ chính xác của LNBNN kết hợp với MFCC và SIFT trên dữ liệu số English Digits. 12 So sánh độ chính xác của LNBNN kết hợp với MFCC và SIFT trên dữ liệu ISOLET.13 So sánh độ chính xác của LNBNN kết hợp với MFCC và SIFT trên 20 lớp đầu tiên của dữ liệu TMW .14 So sánh độ chính xác của LNBNN kết hợp với MFCC và SIFT trên dữ liệu JVPD .
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Câu hỏi thường gặp
Luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" nghiên cứu về vấn đề gì?
Luận án TS máy tính dùng phổ tần số giải quyết hiệu quả nhận thức tiếng nói, khám phá công nghệ xử lý âm thanh tiên tiến.
Luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Đại học Quốc gia Hà Nội, Trường Đại học Công nghệ. Năm bảo vệ: 2019.
Luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" thuộc chuyên ngành gì?
Luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" thuộc chuyên ngành Khoa học máy tính. Danh mục: Trí Tuệ Nhân Tạo.
Luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" có bao nhiêu trang?
Luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" có 141 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Phổ tần số cho nhận thức tiếng nói: Luận án Tiến sĩ CNTT" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.