Amelyore ekstraksyon paramèt karakteristik soti nan siyal lapawòl lè l sèvi avèk algorithm aprantisaj machin (2)

3.7. Dataset Koleksyon Dataset ak pwosesis jenerasyon yo te fèt jan sa a. Nan etid sa a, yo te itilize done ki gen 120 h odyo pou fòmasyon modèl la. Anrejistreman done a gen ladan anrejistreman odyo lapawòl ki konpoze de fraz ak yon maksimòm de 15 mo ak yon longè total apeprè 120 èdtan.

Dezè ginseng

Anplis de sa, seri done a gen ladan yon gwo kantite tèks diferan pou itilize nan devlope modèl langaj la. Plis pase 90,650 ekspresyon, 415,780 mo, ak 65,810 mo inik ki te enkli nan corpus tèks la te kolekte, sa ki lakòz anviwon 120 èdtan nan done lapawòl transkri. Nou divize dataset la an fòmasyon, validation, ak seri tès. Statistik done yo

yo rapòte nan tablo 3.

Tablo 3. Espesifikasyon done yo.

Nou divize dataset la an twa dosye ki koresponn ak fòmasyon, validation, ak seri tès yo. Chak katab gen anrejistreman odyo ak relve nòt. Odyo ak non fichye transkripsyon korespondan yo se menm bagay la, eksepte ke anrejistreman odyo yo estoke kòm dosye WAV, tandiske transkripsyon yo estoke kòm dosye TXT lè l sèvi avèk kodaj UTF-8 la. Tout transkripsyon yo reprezante lè l sèvi avèk alfabè Latin ki gen 29 lèt ak senbòl apòt. Pou anpeche overfitting, nou aplike teknik ogmantasyon done ki baze sou perturbation vitès ak amelyorasyon espèk.

Cistanche deserticola

4. Metòd pwopoze

Yon travay enpòtan pou pwogramè yo lè yo devlope sistèm rekonesans lapawòl se kreyasyon yon metòd optimal pou ekspresyon parametrik siyal lapawòl [45]. Metòd sa a pèmèt ekselan separasyon son ak mo pale pandan y ap asire ke moun ki pale yo pa sansib a modèl pwononsyasyon ak chanjman nan anviwònman acoustic la. Pifò erè nan rekonesans mo yo koze pa yon chanjman nan ton an nan siyal la akòz yon chanjman nan mikwofòn la oswa yon diferans nan ton an nan pwononsyasyon an [46]. Yon lòt kòz komen nan erè se deformation o aza ki pa lineyè nan fòm nan spectre, ki toujou prezan nan siyal la lapawòl nan yon oratè [47,48]. Se poutèt sa, youn nan travay ki pi enpòtan nan kreye sistèm rekonesans lapawòl efikas se seleksyon an nan yon reprezantasyon ki ase pou kontni an nan siyal la analize osi byen ke ensansib vwa yo nan moun ki pale ak divès kalite anviwònman acoustic.

Cistanche sipleman tou pre m '-Amelyore memwa

Sistèm nan ki itilize pou ekstrè paramèt karakteristik tipikman gen kondisyon sa yo. Kontni enfòmasyon an, se sa ki, seri a nan paramèt karakteristik, dwe asire idantifikasyon an serye nan eleman lapawòl rekonèt. Anplis de sa, loudness la, se sa ki, konpresyon maksimòm siyal odyo a, ak korelasyon ki pa estatistik paramèt yo dwe minimize. Endepandans soti nan oratè a dwe reyalize tou, se sa ki, retire maksimòm nan enfòmasyon ki gen rapò ak karakteristik yo nan oratè a soti nan vektè a nan karaktè. Finalman, yo dwe bay omojènite, ki refere a paramèt yo ki gen menm divèjans mwayèn ak kapasite pou yo sèvi ak mezi senp pou detèmine afinite ant seri karaktè yo [49]. Sepandan, li pa toujou posib pou satisfè tout egzijans ansanm paske kondisyon sa yo kontradiktwa. Deskripsyon parametrik eleman lapawòl yo ta dwe ase detaye pou distenge yo seryezman epi yo ta dwe lakonik ke posib.

Devni selèb zèb cistanche

Nan pratik, siyal lapawòl ki resevwa nan men yon mikwofòn se nimerik nan yon pousantaj echantiyon 8 a 22 kHz. Serial valè nimerik yo divize an fragman lapawòl (ankadreman) ak yon dire 10 a 30 ms, ki koresponn ak pati lapawòl kazi-estasyonè. Yon vektè nan karakteristik yo kalkile nan chak ankadreman, ki se imedyatman itilize nan nivo a acoustic nan rekonesans lapawòl. Kounye a, gen yon pakèt metòd ki disponib pou reprezantasyon parametrik siyal ki baze sou analiz otokorelasyon, filtraj lineyè pyès ki nan konpitè, analiz espèk, ak LPC. Apwòch ki pi komen pou paramèt lapawòl se analiz espektral fragman siyal yo ak kalkil koyefisyan cepstral yo.

MFCC yo te itilize kòm karakteristik enfòmatif pou siyal lapawòl [41]. Karakteristik sa yo yo itilize anpil nan rekonesans lapawòl epi yo baze sou de konsèp prensipal: echèl cepstral ak Mel. Avantaj prensipal yo nan algorithm la se nivo segondè li yo nan abitye ak fasilite lapawòl. Karakteristik MFCC yo separe de siyal lapawòl anrejistre yo. Algorithm MFCC la sèvi ak rezilta algorithm pou chanje fonogram ak spectre. Algorithm klasik yo itilize pou kalkile MFCC yo montre nan Figi 5.

Figi 5. Konplo klasik pou kalkile MFCCs.

Etid sa a prezante yon metòd rapid pou ekstrè paramèt fonksyon yo nan yon siyal lapawòl. Algorithm pwopoze a pou kalkil rapid MFCC yo montre nan Figi 6.

Figi 6. Kad pwopoze pou kalkile MFCC yo.

Nou konsidere sekans ekzekisyon algorithm pwopoze a pou fè ekstraksyon rapid paramèt fonksyon yo nan yon siyal lapawòl.

4.1. Divizyon an ankadreman

Apre filtraj preliminè, siyal lapawòl divize an ankadreman 16 ms. Chak ankadreman (eksepte premye a) gen 10 ms final la nan ankadreman anvan an. Pwosesis sa a kontinye jouk nan fen siyal la. Nan etid sa a, paske pousantaj echantiyon siyal lapawòl la se 16 kHz, longè ankadreman an se N=256, ak longè konpanse a se M=160. Sipèpoze a se 62.5 pousan nan longè ankadreman an. Yon kouvèti 50 pousan a 75 pousan nan longè ankadreman an jeneralman rekòmande.

4.2. Fenèt Hanning ak Diminye Valè

Yo te itilize yon gwosè fenèt Hanning 1D. Fenèt Hanning yo rele tou fenèt kosinen ki leve. Fenèt Hanning la ka konsidere kòm sòm spectre frekans twa fenèt tan rektangilè. Li ka sèvi ak lòb bò yo anile youn ak lòt, elimine entèferans frekans segondè ak flit enèji. Fenèt Hanning yo se fonksyon fenèt trè itil.

Cistanche sipleman tou pre m '-Amelyore memwa

Klike la a pou w wè pwodwi Cistanche pou amelyore memwa ak anpeche maladi alzayme a

【Mande plis】 Imèl:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692

Yo itilize yon bwat pwa pou diminye distòsyon ak lis ankadreman endividyèl yo. Siyal k ap flote ke yo egzamine nan etid sa a konsiste de yon ton dans. Gwosè ton plat la detèmine pa grandè ton an pi nan frekans f, ki filtre nan fenèt Hanning la.

Yon aspè kritik nan fenèt sa a se ke li mete fwontyè yo nan ankadreman yo a zewo. Nan ka sa a, enèji kout yo ka kalkile pandan y ap pase nan fenèt la, epi yo ka transfere nan sekans ki itilize pou kalkile enèji anplitid ki pi ba yo. Objektif la se retire siyal ki ba enèji nan siyal la lè w kalkile enèji siyal la pandan y ap atenue siyal la nan fenèt sa a. Pwosesis sa a mande pou ekwasyon enèji siyal sa a:

kote En se enèji fragman siyal opinyon an, ak xi se valè siyal la.

Anplis de sa nan pwosesis la fenèt lè l sèvi avèk (11), se siyal la trete nan pwochen etap la, ki siyifikativman diminye kantite valè ki antre nan processeur a. Figi 7 prezante algorithm nan pwosesis paralèl.

Gwosè fenèt la reprezante yon kantite echantiyon ak yon dire. Li se paramèt prensipal analiz la. Gwosè fenèt la depann de frekans fondamantal, entansite ak chanjman nan siyal la.

Figi 7. Algorithm fenèt Hanning pou retire pati silans. 4.3. Bouton transfòmasyon Fourier kout tan (STFT) Gen yon konpreyansyon entwisyon sou siyifikasyon yon wotè ki wo oswa ki ba. STFT se yon transfòmasyon ki gen rapò ak Fourier ki itilize pou detèmine frekans sinusoidal ak kontni faz nan seksyon lokal yon siyal pandan li chanje sou tan. Nan pratik, kalkil STFT a enplike nan divizyon yon siyal tan ki pi long an segman ki pi kout nan longè egal, ki swiv pa yon kalkil separe nan transfòmasyon nan Fourier sou chak segman ki pi kout. Sa a revele spectre a Fourier nan chak segman ki pi kout. itilize nan pratik. Konvèsyon tan-frekans ki koresponn lan se yon konvèsyon disrè Fourier, ki dekri longè siyal Xn kòm reprezantan domèn frekans valè konplèks N koyefisyan yo. STFT, ki dekri evolisyon eleman frekans yo sou tan, se youn nan zouti ki pi lajman itilize pou analiz ak pwosesis lapawòl [50]. Menm jan ak spectre nan tèt li, yon avantaj nan STFT se ke paramèt li yo gen entèpretasyon fizik ak entwisyon. STFT tipikman vizyalize lè l sèvi avèk espèk 20log10 (X(h, k)). Lè sa a, ka wè espèk 2D log sa yo lè l sèvi avèk yon kat tèmik ke yo rekonèt kòm yon espektrogram. Nan twazyèm etap algorithm la, pwosedi switching spectral STFT aplike nan ankadreman yo ki pase nan fenèt pwa a. STFT siyal la jwenn lè w louvri fenèt yo epi detèmine DFT chak fenèt. An patikilye, transfòmasyon pou fenèt Xn ak Wn nan siyal la opinyon detèmine jan sa a:

kote k-endèks la koresponn ak valè frekans yo, ak wn se fonksyon fenèt la, ki se souvan yon fenèt Hanning oswa fenèt Gaussian ki santre alantou zewo.

4.4. Mel transfòme

Nan katriyèm etap la, siyal la ki transfere nan gwoup la frekans divize an ranje lè l sèvi avèk fifiltè triyangilè. Fwontyè fifilter yo kalkile lè l sèvi avèk frekans lakre a. Tranzisyon nan fifield frekans lakre a baze sou ekwasyon sa a:

kote f se ranje frekans lan.

Se switch ranvèse a detèmine jan sa a:

Konsidere NN kòm kantite fifiltè (26 fifiltè yo jeneralman itilize) ak flflows, osi wo ke ranje frekans anba etid la. Ranje sa a transfere nan echèl Mel la epi divize an NN ranje ki entèseksyon menm distribye. Fwontyè lineyè frekans-apwopriye yo detèmine nan fifield la, tandiske koyefisyan pondération yo jwenn ki baze sou fifiltrasyon yo endike pa H. Answit, fifiltè yo aplike nan modil kare koyefisyan yo jwenn nan transfòmasyon Fourier. Valè yo jwenn yo se logaritmik akòz ekspresyon sa a:

Algorithm dekonpozisyon valè sengilye aplike nan etap final la nan kalkil MFCC yo.

5. Rezilta eksperimantal

Nou aplike ak teste metòd yo pwopoze a nan Visual Studio 2019 C plis sou yon PC ak yon CPU 4.90 GHz, 32 GB RAM, ak de GPU Nvidia GeForce 2080Ti, jan yo montre nan Tablo 4. Yo te teste sistèm nan nan diferan anviwònman aparèy pou evalye pèfòmans metòd ekstraksyon karakteristik siyal la. Nan eksperyans yo, pandan operasyon algorithm la (Figi 8), lè sekans sifas siyal la te n=15, kantite valè yo te redwi pa 40-50 pousan, ak tan pwosesis la te ogmante 1. 2-pliye. Kontinwe, algorithm sa a te montre siyifikativman pi wo efikasite. Anplis, algorithm sa a pèmèt separasyon an ak eliminasyon nan zòn nan silans pandan y ap pase nan fenèt Hanning la.

Plizyè mwayen posib ki disponib pou evite gaspiye bandwidth memwa. Nou pwopoze yon nouvo solisyon ki ogmante pèfòmans enfòmatik pa matche gwosè ankadreman siyal yo ak yon gwosè blòk memwa kachèt. Sa a ki kalite optimize ka siyifikativman afekte pèfòmans jeneral pwosesis paralèl la. Sepandan, li ka itilize nan pwosesis siyal dijital lè yo divize siyal la an ankadreman atravè aplikasyon sou processeur multicore. Sepandan, nan pratik, seleksyon an anjeneral fèt sou yon ti echèl, ki koresponn ak lajè otobis la done ki konekte memwa kachèt la nan memwa prensipal la ak gwosè a nan blòk li yo. Metòd nou an aplike pi bon itilizasyon memwa sa yo nan enfòmatik paralèl. Òganizasyon memwa kachèt la jwe yon wòl esansyèl nan algoritm pwosesis paralèl lè divize done an kouran. An patikilye, prezans nan efè vektè-matrice nan pwosesis siyal dijital ak gwosè a nan kouran yo ta dwe ajiste selon gwosè a nan blòk yo kachèt. Sa a ka reyalize lè l sèvi avèk metòd yo pwopoze a, jan sa montre nan Figi 9.

Tablo 4. Espesifikasyon detaye konfigirasyon eksperimantal la.

figi 8. (a) Premye siyal k ap rantre ak (b) aparans siyal apre w fin aplike algorithm yo pwopoze a.

Figi 9. Estrikti enfòmatik paralèl lè l sèvi avèk processeurs RK3288.

Nan seksyon sa a, nou diskite sou yon analiz quantitative pou konpare pèfòmans diferan sistèm yo. Nou konpare metòd nou an ak algorithm rekonesans lapawòl ki byen koni ki baze sou apwòch aprantisaj pwofon. Paramèt evalyasyon yo esansyèl pou kalkile divès estrateji pou rekonesans lapawòl ak evalye pèfòmans diferan apwòch. Malgre ke nou te itilize rezilta lòt etid yo pou konparezon, nou pa sèten si yo vre paske kòd sous yo ak ansanm done metòd sa yo pa disponib piblikman pou verifye pèfòmans aktyèl la. Figi 10 montre rezilta retire pati silans yo pandan pasaj yon fragman siyal lapawòl atravè fenèt Han ning la ki baze sou algorithm rapid yo pwopoze a. Rezilta vitès yo jwenn nan analiz la prezante nan Tablo 5.

Figi 10. k valè algorithm KNN (ak seleksyon karakteristik).

Tablo 5. Rezilta eksperimantal metòd yo pwopoze a.

Yo te detèmine yon seri yo nan lòd yo jwenn degre nan katye a ki bay pi bon valè presizyon nan algorithm KNN la. Ranje espesifye a kouvri 1-25. Nan Figi 10, yo te aplike graf algorithm KNN ak seleksyon karakteristik. Lè yo te egzamine graf la, lè valè katye a te 1 nan kòmansman an, presizyon fòmasyon an te pi wo pase presizyon tès la. Nan algorithm KNN ki te kreye lè l sèvi avèk karakteristik yo chwazi pa korelasyon, yo te detèmine presizyon nan modèl la yo dwe 99.15 pousan nan seri done fòmasyon an ak 97.35 pousan nan seri done tès la.

To erè mo (WER) oswa to erè karaktè anjeneral yo itilize pou evalye presizyon ekstraksyon karakteristik nan yon siyal lapawòl. Sa yo se matris objektif ki itil pou yon konparezon jis nan teknik rekonesans. Nan etid anvan nou yo [51–56], nou kalkile mezi tankou F-mezi (FM), presizyon, ak rapèl. FM a se mwayèn pondéré ki balanse mezi ant presizyon ak to rapèl yo. Presizyon an se rapò kantite obsèvasyon pozitif prevwa kòrèkteman ak kantite total obsèvasyon pozitif prevwa. Rapèl la se rapò kantite obsèvasyon pozitif prevwa kòrèkteman ak kantite total obsèvasyon nan klas aktyèl la, jan sa endike nan (9). Yo ka itilize ekwasyon sa yo pou kalkile mwayèn presizyon ak to rapèl metòd ekstraksyon karakteristik yo:

kote TP la vle di kantite vrè pozitif, FP la vle di kantite fo pozitif, ak FN la vle di kantite fo negatif.

FM a kalkile lè l sèvi avèk (10), konsidere tou de presizyon ak rapèl.

Mwayèn FM, rapèl, ak presizyon nan metòd yo pwopoze a te 98.4 pousan. Fo deteksyon te fèt nan 1.6 pousan nan ka yo akòz bri siyal yo pa vle nan mikwofòn la. Ranje presizyon modèl la te ant 0 ak 1, epi nòt estimasyon metrik yo te rive nan pi bon valè yo nan 1. Yon evalyasyon metòd nou an ak lòt metòd ekstraksyon karakteristik lapawòl ki te pibliye dènyèman prezante nan Tablo 6. Menm nimewo a. nan karakteristik yo te itilize pou yon konparezon jis. Yon total de 325 echantiyon lapawòl nan chak gwoup yo te analize nan sijè ki gen orijin karakteristik menm jan an. Efè longè ankadreman diferan selon kantite bank fifilter nan MFCC a ak longè ankadreman diferan nan lòd LPC a te egzamine tou pou amelyore presizyon.

Tablo 6. Rezilta presizyon kantite ekstraksyon karakteristik lapawòl.

Kòm mansyone deja, WER a se mezi ki pi komen pou pèfòmans rekonesans lapawòl. Li kalkile lè w konpare yon transkripsyon referans ak pwodiksyon rekonesans lapawòl la. Dapre konparezon sa a, li posib pou kalkile kantite erè, ki tipikman fè pati twa kategori: (1) ensèsyon lè yon mo pa prezan nan referans nan pwodiksyon an nan rekonesans lapawòl otomatik (ASR), (2) efase lè yo manke yon mo nan pwodiksyon ASR, epi (3) ranplasman lè yo konfonn yon mo ak yon lòt mo. WER a ka kalkile jan sa a.

kote S se kantite ranplasman mo ki mal rekonèt, D se kantite sipresyon, I se kantite ensèsyon, ak N se kantite mo nan transcription referans lan. Pwoblèm prensipal la nan kalkile nòt sa a se aliyman ki genyen ant sekans de mo yo. Sa a ka detèmine atravè pwogramasyon dinamik lè l sèvi avèk distans Levenshtein [67].

Dapre Tablo 6, nou te fè yon analiz estatistik pou endike presizyon mwayèn metòd konpare yo lè l sèvi avèk metrik evalyasyon WER la, jan yo montre nan Figi 11. Ekstrè karakteristik amelyore yo te bay yon presizyon apeprè 98.4 pousan, tandiske lòt apwòch yo te bay presizyon ant 78 pousan ak 96 pousan. Nou itilize rezilta yo bay nan papye ki enpòtan yo pou konparezon; sepandan, presizyon valè sa yo pa fasil pou verifye paske kòd sous yo ak seri done metòd sa yo pa disponib piblikman pou konfime pèfòmans reyèl yo. Men, nan ka sèn estanda, metòd yo pwopoze a te demontre eksperimantal pou bay ekselan presizyon ekstraksyon karakteristik lapawòl pa diminye tan an enfòmatik, menm lè done yo lapawòl fè bwi oswa nan bon jan kalite ba.

Figi 11. Rezilta kantitatif nan apwòch ekstraksyon karakteristik siyal lapawòl lè l sèvi avèk graf vètikal.

Anplis, nou evalye rezilta fo-pozitif metòd yo chwazi yo. Jan yo ka obsève nan Figi 12, apwòch yo pwopoze a te gen mwens erè. Anplis de sa, metòd kalkil paralèl trè efikas la redwi siyifikativman seleksyon karakteristik siyal son ak erè ekstraksyon. Overfitting se te youn nan pwoblèm prensipal yo pandan fòmasyon an, ak prèske tout modèl aprantisaj machin soufri soti nan li. Nou te eseye diminye risk pou twòp adaptasyon lè l sèvi avèk yon teknik seleksyon karakteristik ki vize olye pou klase enpòtans karakteristik ki egziste deja yo nan dataset la epi jete sa ki mwens enpòtan (pa gen okenn nouvo karakteristik yo kreye).

Figi 12. Rezilta vizib siyal lapawòl fo pozitif eksperyans ekstraksyon karakteristik.

Tablo 7 montre rezilta pèfòmans metòd yo te itilize nan anviwònman rekonesans lapawòl ki baze sou diferan pwopriyete. Apwòch nou pwopoze a pa soufri ak bri ki pa vle oswa ki pa nesesè epi li pa afekte pa vwa moun ki pa gen bon jan kalite tankou vwa rau, vwa ki pwodui ak gòj fè mal, oswa menm son moun ki pèdi vwa nèt. Metòd nou an vize simonte pwoblèm ekipman anrejistreman ensifizan, bri background, aksan difisil ak dyalèk, ak divès ton nan yon vwa. Nan yon anviwònman nòmal, pi bon rezilta pou detekte ak ekstrè defi karakteristik lapawòl yo te jwenn lè l sèvi avèk metòd yo pwopoze a ak yon tan pwosesis redwi.

Tablo 7. Revizyon deteksyon karakteristik lapawòl ak pèfòmans ekstraksyon lè l sèvi avèk divès kalite karakteristik.

Rezilta yo nan metòd rekonesans lapawòl yo te klase kòm pwisan, nòmal, oswa fèb pou sèt kategori yo. Kritè pwisan an demontre ke algorithm la ka simonte tout kalite defi. Kontrèman, kritè nòmal la endike ke algorithm la ka echwe nan sèten ka paske limit mo yo pa defini davans. Finalman, kritè fèb la sijere ke algorithm la pa fyab anba bri oswa vibrasyon.

6. Limitasyon

Li difisil pou konkli ke metòd yo pwopoze jiska prezan pa montre okenn vini kout. Metòd nou pwopoze a ka lakòz erè tou akòz divès anviwònman bri. Pou simonte pwoblèm sa a, nou vize diminye kantite karakteristik nan seri done a pa kreye nouvo karakteristik nan karakteristik ki deja egziste [69]. Depi overfitting se youn nan pwoblèm prensipal yo pou fòmasyon diferan modèl pandan konpetisyon an, anrichi done fòmasyon yo lè yo ajoute echantiyon done ki soti nan diferan resous ta ka yon solisyon posib pou amelyore rezilta yo. Kèlkeswa pwoblèm yo mansyone pi wo a, rezilta eksperimantal yo te revele ke metòd nou an te trè solid ak efikas pou travay ekstraksyon karakteristik lapawòl, ak yon presizyon mwayèn nan 98.4 pousan ak FM nan 99.5 pousan.

7. Konklizyon

Yo te pwopoze yon nouvo apwòch enfòmatik paralèl wo-pèfòmans ki sèvi ak yon metòd aprantisaj machin pou sistèm rekonesans lapawòl. Pwoblèm akselerasyon nan machin ki gen resous enfòmatik limite ka rezoud lè l sèvi avèk sistèm distribiye. Vitès nan kalkil nan sistèm rekonesans siyal yo ka ogmante, epi pèfòmans nan tribin multicore ka amelyore pa kreye ak itilize ritm algo efikas ak rapid. Rezilta yo montre ke modèl yo pwopoze a diminye tan pwosesis la epi amelyore presizyon ekstraksyon karakteristik nan 98.4 pousan lè w sèvi ak MFCC yo. Li te obsève ke karakteristik yo ki gen valè korelasyon ki ba ekstrè pa seleksyon karakteristik yo tou efikas nan siksè nan modèl la. Analiz estatistik la te fèt sou done yo te deja trete, epi yo te pwodwi enfòmasyon ki gen sans nan done yo lè l sèvi avèk algorithm aprantisaj machin K-nearest neighbors (KNN).

Etid nan lavni yo pral konsantre sou amelyore presizyon nan metòd nou an lè yo itilize apwòch aprantisaj pwofon ak optimize memwa kachèt nan processeurs multicore pou detekte ak ekstrè siyal lapawòl san yon pèt kalite enpòtan. Anplis de sa, nou planifye pou konstwi yon modèl analiz espèk ki baze sou pwosesis paralèl ak pèfòmans analiz solid ki pral pèmèt etablisman aparèy entegre ak resous enfòmatik ki ba lè l sèvi avèk seri done lapawòl Taris [70] nan 3D CNN ak 3D U-Net Environment [71–. 75]

Referans

1. Meng, YJ; Liu, WJ; Zhang, RZ; Du, HS lapawòl karakteristik paramèt ekstraksyon ak rekonesans ki baze sou entèpolasyon. Appl. Mech. Mater. 2014, 602–605, 2118–2123. [CrossRef] 2. Musaev, M.; Rakhimov, M. Fòmasyon akselere pou rezo konvolisyon neral. Nan Pwosedi Konferans Entènasyonal 2020 sou Syans Enfòmasyon ak Teknoloji Kominikasyon (ICISCT), Tashkent, Ouzbekistan, 4–6 Novanm 2020; paj 1–5. [CrossRef] 3. Ye, F.; Yang, J. A Deep Neural Network Model for Speaker Identification. Appl. Sci. 2021, 11, 3603. [CrossRef] 4. Musaev, M.; Rakhimov, M. Yon metòd pou fè kat yon blòk memwa prensipal nan kachèt nan pwosesis paralèl siyal lapawòl. Nan Pwosedi Konferans Entènasyonal 2019 sou Syans Enfòmasyon ak Teknoloji Kominikasyon (ICISCT), Karachi, Pakistan, 9-10 Mas 2019; paj 1–4. [CrossRef] 5. Jiang, N.; Liu, T. Yon segmantasyon lapawòl ak algorithm clustering amelyore ki baze sou SOM ak k-vle di. Matematik. Pwoblèm. Eng. 2020, 2020, 3608286. [CrossRef] 6. Hu, W.; Yang, Z.; Chen, C.; Solèy, B.; Xie, Q. Yon apwòch segmentasyon Vibration pou sistèm milti-aksyon nan tourèl kontwòl nimerik. Siyal Imaj Videyo Pwosesis. 2021, 16, 489–496. [CrossRef]

7. Popescu, TD; Aiordachioaie, D. Fay deteksyon nan woule bi eleman lè l sèvi avèk pi bon segmentasyon nan siyal vibre. Mech. Syst. Pwosesis siyal. 2019, 116, 370–391. [CrossRef] 8. Shihab, MSH; Aditya, S.; Setu, JH; Imtiaz-Ud-Din, KM; Efat, MIA A Hybrid GRU-CNN Feature Ekstraksyon Teknik pou Idantifikasyon Oratè. Nan Pwosedi 2020 23zyèm Konferans Entènasyonal sou Odinatè ak Teknoloji Enfòmasyon (ICCIT), Dhaka, Bangladèch, 19–21 Desanm 2020; paj 1–6. [CrossRef] 9. Korkmaz, O.; Atasoy, A. Rekonesans emosyon soti nan siyal lapawòl lè l sèvi avèk koyefisyan cepstral mel-frekans. Nan Pwosedi 9yèm Konferans Entènasyonal sou Jeni Elektrik ak Elektwonik (ELECO), Bursa, Turkey, 26-28 Novanm 2015; paj 1254–1257. 10. Ayvaz, U.; Gürüler, H.; Khan, F.; Ahmed, N.; Whangbo, T.; Abdusalomov, A. Rekonesans Otomatik Oratè Sèvi ak Koefisyan Sepstral Mel-Frequency Atravè Machine Learning. CMC-konpitè. Mater. Kontin. 2022, 71, 5511–5521. 11. Al-Qaderi, M.; Lahamer, E.; Rad, A. Yon sistèm idantifikasyon oratè de-nivo atravè fizyon klasifikasyon eterojèn ak koperasyon karakteristik konplemantè. Detèktè 2021, 21, 5097. [CrossRef] 12. Batur Dinler, Ö.; Aydin, N. Yon Optimal Feature Paramèt Set ki baze sou Gated Recurrent Unit Recurrent Neural Networks pou Deteksyon Segman Lapawòl. Appl. Sci. 2020, 10, 1273. [CrossRef] 13. Kim, H.; Shin, JW Doub-Mik Amelyorasyon Lapawòl ki baze sou TF-GSC ak Suppression Flit ak Rekiperasyon Siyal. Appl. Sci. 2021, 11, 2816. [CrossRef] 14. Lee, S.-J.; Kwon, H.-Y. Yon estrateji Preprocessing pou Denoising nan Done Lapawòl ki baze sou Deteksyon Segman Lapawòl. Appl. Sci. 2020, 10, 7385. [CrossRef] 15. Rusnac, A.-L.; Grigore, O. CNN Achitekti ak metòd ekstraksyon karakteristik pou rekonesans lapawòl imajinè EEG. Detèktè 2022, 22, 4679. [CrossRef] [PubMed] 16. Wafa, R.; Khan, MQ; Malik, F.; Abdusalomov, AB; Cho, YI; Odarchenko, R. Enpak metodoloji ajil sou siksè pwojè, ak yon wòl modération nan travay moun ki anfòm nan endistri IT nan Pakistan. Appl. Sci. 2022, 12, 10698. [CrossRef] 17. Aggarwal, A.; Srivastava, A.; Agarwal, A.; Chahal, N.; Singh, D.; Alnuaim, AA; Alhadlaq, A.; Lee, H.-N. Ekstraksyon karakteristik de-fason pou rekonesans emosyon lapawòl lè l sèvi avèk aprantisaj pwofon. Detèktè 2022, 22, 2378. [CrossRef] [PubMed] 18. Marini, M.; Vanello, N.; Fanucci, L. Optimize Paramèt Ekstraksyon Karakteristik Depandan Oratè pou Amelyore Pèfòmans Rekonesans Lapawòl Otomatik pou Moun ki gen Dysarthria. Detèktè 2021, 21, 6460. [CrossRef] 19. Tiwari, S.; Jain, A.; Sharma, AK; Almustafa, KM Fonokardyogram siyal ki baze sou milti-klas sistèm sipò pou desizyon dyagnostik kadyak. Aksè IEEE 2021, 9, 110710–110722. [CrossRef] 20. Mohtaj, S.; Schmitt, V.; Möller, S. Yon modèl ki baze sou ekstraksyon karakteristik pou idantifikasyon diskou rayisman. arXiv 2022, arXiv: 2201.04227. 21. Kuldoshbay, A.; Abdusalomov, A.; Mukhiddinov, M.; Baratov, N.; Makhmudov, F.; Cho, YI Yon amelyorasyon pou metòd klasifikasyon otomatik pou imaj ultrason yo itilize sou CNN. Ent. J. Wavelets Multiresolution Inf. Pwosesis. 2022, 20, 2150054. 22. Passricha, V.; Aggarwal, RK Yon ibrid CNN gwo twou san fon ak LSTM bidireksyon pou rekonesans otomatik lapawòl. J. Entèl. Syst. 2020, 29, 1261–1274. [CrossRef] 23. Mukhamadiyev, A.; Khujayarov, I.; Djuraev, O.; Cho, J. Metòd otomatik rekonesans lapawòl ki baze sou apwòch aprantisaj pwofon pou lang ouzbek. Detèktè 2022, 22, 3683. [CrossRef] [PubMed] 24. Li, F.; Liu, M.; Zhao, Y.; Kong, L.; Dong, L.; Liu, X.; Hui, M. Karakteristik ekstraksyon ak klasifikasyon nan son kè lè l sèvi avèk rezo neral konvolisyon 1D. EURASIP J. Adv. Pwosesis siyal. 2019, 2019, 59. [CrossRef] 25. Chang, L.-C.; Hung, J.-W. Yon etid preliminè sou ekstraksyon karakteristik lapawòl ki solid ki baze sou maksimize pwobabilite eta yo nan modèl acoustic fon. Appl. Syst. Innov. 2022, 5, 71. [CrossRef] 26. Ramírez, J.; Gorriz, JM; Segura, JC Deteksyon Aktivite Vwa. Fondamantal ak solidite sistèm rekonesans lapawòl. Nan rekonesans ak konpreyansyon lapawòl solid; Grimm, M., Kroschel, K., Eds.; I-TECH Edikasyon ak Piblikasyon: London, UK, 2007; paj 1–22. 27. Oh, S. DNN ki baze sou Ekstraksyon karakteristik lapawòl solid ak metòd pou retire bri siyal lè l sèvi avèk amelyore filtè LMS prediksyon mwayèn pou rekonesans lapawòl. J. Konvèje. Enf. Teknoloji. 2021, 11, 1–6. [CrossRef] 28. Abbaschian, BJ; Sierra-Sosa, D.; Elmaghraby, A. Deep Learning Techniques for Speech Emotion Recognition, from Database to Models. Detèktè 2021, 21, 1249. [CrossRef] 29. Rakhimov, M.; Mamadjanov, D.; Mukhiddinov, A. Yon apwòch paralèl wo-pèfòmans nan pwosesis imaj nan enfòmatik distribiye. Nan Pwosedi 2020 IEEE 14yèm Konferans Entènasyonal sou Aplikasyon Teknoloji Enfòmasyon ak Kominikasyon (AICT), Ouzbekistan, Tashkent, 7-9 Oktòb 2020; paj 1–5. [CrossRef] 30. Abdusalomov, A.; Mukhiddinov, M.; Djuraev, O.; Khamdamov, U.; Whangbo, TK Otomatik Ekstraksyon Objè Sayan ki baze sou Thresholding lokalman adaptab pou jenere grafik tactile. Appl. Sci. 2020, 10, 3350. [CrossRef] 31. Abdusalomov, A.; Whangbo, TK Yon amelyorasyon pou metòd rekonesans premye plan lè l sèvi avèk teknik retire lonbraj pou anviwònman andedan kay la. Ent. J. Wavelets Multiresolution Inf. Pwosesis. 2017, 15, 1750039. [CrossRef] 32. Abdusalomov, A.; Whangbo, TK Deteksyon ak retire lonbraj objè k ap deplase lè l sèvi avèk jeyometri ak enfòmasyon koulè pou kouran videyo andedan kay la. Appl. Sci. 2019, 9, 5165. [CrossRef] 33. Mery, D. Vizyon Odinatè pou Tès X-ray; Springer International Publishing: Cham, Swis, 2015; p. 271, ISBN 978-3319207469. 34. Mark, S. Simagri lapawòl rekalibre limit lapawòl-pèsepsyon. Attend. Pèsepsyon. Psychophys. 2016, 78, 1496–1511. [CrossRef] 35. Mudgal, E.; Mukuntharaj, S.; Modak, MU; Rao, YS modèl ki baze sou rekonesans lapawòl an tan reyèl lè l sèvi avèk filtè dijital sou DSP-TMS320F28335. Nan Pwosedi Katriyèm Konferans Entènasyonal 2018 sou Kontwòl ak Otomatik Kominikasyon Enfòmatik (ICCUBEA), Pune, peyi Zend, 16-18 Out 2018; paj 1–6. [CrossRef]