html5-img
1 / 17

Razpoznava govora z usmerjeno nevronsko mrežo

FAKULTETA ZA ELEKTROTEHNIKO, RAČUNALNIŠTVO IN INFORMATIKO 2000 Maribor, Smetanova ul. 17. Razpoznava govora z usmerjeno nevronsko mrežo. Interdisciplinarna študijska smer Mehatronika. Avtorja: Aleš Tetičkovič Simon Klančnik Mentor: izr. prof. dr. Riko Šafarič Somentor: Gregor Pačnik.

erica
Download Presentation

Razpoznava govora z usmerjeno nevronsko mrežo

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. FAKULTETA ZA ELEKTROTEHNIKO, RAČUNALNIŠTVO IN INFORMATIKO 2000 Maribor, Smetanova ul. 17 Razpoznava govora z usmerjeno nevronsko mrežo Interdisciplinarna študijska smer Mehatronika Avtorja: Aleš Tetičkovič Simon Klančnik Mentor: izr. prof. dr. Riko Šafarič Somentor: Gregor Pačnik

  2. Uvod • Na področju prepoznave govora so se v preteklosti oblikovale številne metode. • Prepoznava govora z usmerjeno nevronsko mrežo. • Primarni cilj prepoznave govora je vodenje invalidskega vozička primernega za invalide, ki so hromi od vratu navzdol (tetraplegiki). • Bistven problem pri prepoznavi povzročajo motnje iz okolice.

  3. Invalidski voziček

  4. Blokovna shema prepoznave govora

  5. Izolacija besede • Izolacija besede po metodi izračuna tekočega povprečja in primerjavi z pragovno vrednostjo. • Izolacija besede po metodi izračuna števila prehodov čez nič signala (“zero crossing” metoda).

  6. Primerjava rezultatov obeh metod Metoda izračuna tekočega povprečja “Zero crossing” metoda

  7. LPC kepstralna analiza • Količina podatkov je za prepoznavo z usmerjeno nevronsko mrežo preobsežna. • Metoda temelji na aproksimaciji zvočnega signala kot linearne kombinacije predhodnih zvočnih vzorcev. • Rezultat analize je pretvorba besede v zaporedje točk, kjer vsaka točka pripada 12 dimenzionalnemu LPC kepstralnemu prostoru.

  8. Samoorganizirajoča nevronska mreža (SOM) • Primerna za reduciranje dimenzij vhodnega signala. • Spada med nevronske mreže s tekmovalnim načinom učenja. • Izhode iz SOM mreže predstavljajo pozicije zmagovalnih nevronov. • Na kakovost reduciranja dimenzij vpliva konfiguracija SOM mreže. • Dosežemo dodatno zmanjševanje količine podatkov za prepoznavalnik govora.

  9. Postopek učenja SOM mreže 1. Iskanje zmagovalnega nevrona: 2. Korekcija uteži nevronov se izvede z naslednjo enačbo:

  10. Prikaz rezultatov učenja SOM mreže Besedi LEVO Besedi DESNO Besedi STOP

  11. Usmerjena nevronska mreža • Predstavlja naš prepoznavalnik govora. • Spadajo med nevronske mreže z nadzorovanim postopkom učenja. • Osnovni element usmerjene nevronske mreže predstavlja umetni nevron. • Sestavljena iz vhodnega nivoja, enega ali več skritih nivojev, ter izhodnega nivoja, ki predstavlja rezultate prepoznave. • Za učenje usmerjene nevronske mreže je uporabljeno posplošeno delta pravilo.

  12. Umetni nevron Izračun izhoda iz umetnega nevrona: o = σ(∑iiwi + b)

  13. Zgradba usmerjene nevronske mreže

  14. Postopek učenja usmerjene nevronske mreže • Normalizacija dobljenih SOM izhodov na fiksno dolžino (200 koeficientov). • Izračun izhodov posameznega nivoja usmerjene nevronske mreže. • Primerjava izhodov izhodnega nivoja nevronske mreže z vektorjem tarče za posamezni ukaz. • Spreminjanje uteži posameznih nevronov v usmerjeni nevronski mreži. • Postopek ponavljamo dokler ne dobimo želenih rezultatov.

  15. Rezultati učenja usmerjene nevronske mreže • Učenje nevronske mreže na ukaze LEVO, DESNO, NAPREJ in STOP • Trenutno izbrano 15 nevronov v skritem nivoju. Rezultati razpoznave ukazov

  16. Zaključek • Prepoznava z usmerjeno nevronsko mrežo primerna za vodenje sistemov z majhnim naborom ukazov. • V okolju brez motenj je prepoznava zanesljiva. • Problemi pri prepoznavi govora v okolju z naključnimi motnjami. • Implementacija obeh nevronskih mrež na DSP kartici.

  17. Vprašanja ?

More Related