ابرتگ "MFCC"
گزارشی از اعمال DTW بر روی گفتارهای ادا شده به صورت متفاوت به همراه کدهای متلب مربوطه و کد استخراج ویژگی
گزارشی از بازشناسی بیان های گفتاری مجزا به کمک HMM با مدل مبتنی بر چگالی مشاهدات پیوسته و الگوریتم Segmental K-Means برای آموزش مدل ها به همراه فایل کدهای متلب شامل کد استخراج ویژگی LPCC و MFCC، مدل فاز Train و Test، داده های گفتاری و کد مقایسه بیان های گفتاری
گزارش متنی برنامه اي براي يافتن سه بهترين مسير همرديفي زماني با استفاده از الگوريتم DTW استخراج ویژگی MFCC اعمال محدوديت های پيوستگي محلي نوع 1 و 2 و 3 اعمال وزن دهي نوع a و b و c یافتن مسير بهينه همردیفی بیان های گفتاری ((گزارش متنی توضیحات کدها به همراه کدهای متلب الگوریتم DTW، الگوریتم استخراج ویژگی، فایل های گفتاری تست و مرجع ))
گزارش متنی شامل توضیحاتی در مورد: شبیه سازی سیستم شناسایی گوینده به کمک شبکه عصبی رو به جلو، شبکه تاخیر زمانی و LVQ با استفاده از ویژگی MFCC و انرژی ضرایب موجک )) کدهای متلب، تمامی زیربرنامه های مورد نیاز برای ارزیابی و داده های مورد نیاز))
بکارگیری شبکه های عصبی به منظور Speech processing شامل موارد: مقدمه ای بر اهمیت پردازش صوت ویژگی های سیگنال صوتی نحوه تشکیل سیگنال صوتی کاربردهای شبکه عصبی در تشخیص گفتار بررسی مدل های زبانی یا لغت نامه بررسی شبکه های باز گشتی بررسی کلاسیفایر ماشین های بردار پشتیبان (SVM) کلاس بندی آوا بر اساس SVM بررسی جداسازی کور کاربرد شبکه عصبی مصنوعی در تشخیص گوینده ((گزارش متنی به همراه کدهای متلب مورد ن ...
در این گزارش، توضیحات کامل به همراه شبیه سازی های مورد نیاز به منظور آموزش مدل های زیرلغوی وابسته به گوینده براساس مدل مخفی مارکوف در بازشناسی گفتار مورد استفاده و بررسی قرار می گیرد.
در این گزارش، توضیحات کامل به همراه شبیه سازی های مورد نیاز به منظور آموزش مدل های زیرلغوی براساس مدل مخلوط گوسی GMM در بازشناسی گفتار مورد استفاده و بررسی قرار می گیرد.
بررسی و تحلیل مراحل استخراج ضرایب MFCC از سیگنال گفتار به همراه فایل شبیه سازی
شبیه سازی و مقایسه استخراج بردارهای ویژگی ضرایب تخمین خطی LPC، ضرایب انعکاسی Reflection Coeff، ضرایب نسبت سطوح مقطعLAR ، ضرایب کپسترال LPCC، ضرایب MFCC و ضرایب مشتقات اول و دوم آن به کمک جعبه ابزار HTK و به کمک دستورهای متلب
گزارشی از بازشناسی بیان های گفتاری به کمک HMM براساس الگوریتم ویتربی برای آموزش مدل ها با مدل مبتنی بر چگالی مشاهدات پیوسته به همراه فایل کدهای متلب شامل مراحل استخراج ویژگی MFCC، بدست آوردن مدل چپ به راست در فاز Train و ارزیابی در فاز Test
گزارشی از بازشناسی بیان های گفتاری مجزا به کمک HMM با مدل مبتنی بر چگالی مشاهدات پیوسته و الگوریتم لگاریتم ویتربی و Segmental K-Means برای آموزش مدل ها به همراه فایل کدهای متلب شامل کد استخراج ویژگی MFCC، مدل فاز Train و Test، داده های گفتاری و کد مقایسه بیان های گفتاری
یافتن بهترين مسير های همرديفي زماني با استفاده از الگوريتم DTW، گزارش متنی برنامه اي براي يافتن سه بهترين مسير همرديفي زماني با استفاده از الگوريتم DTW، استخراج ویژگی MFCC، اعمال محدوديت های پيوستگي محلي نوع 1 و 2 و 3، یافتن مسير بهينه همردیفی بیان های گفتاری
کانال تلگرام ابرپروجکت رفتن به بالای صفحه
Close فراخوان عرضه مستندات، گزارش‌ها، کدها و پژوهش‌های شما در ابرپروجکت
برای توضیحات بیشتر به اینجا مراجعه نمایید.
Close مجوزهای قانونی و رسمی ابرپروجکت
برای مشاهده مجوزهای ابرپروجکت روی آنها کلیک نمایید.