Astaraki

بهبود مدلسازي ديرش زماني واج با استفاده از ماشين پشتيبان بردار براي استفاده درتبديل متن به گفتار فارسي

در اين مقاله كاربرد ماشين پشتيبان بردار در مدل سازي ديرش واج، براي سيستم تبديل متن به گفتار فارسي، ارائه شده و بهبودهايي در زمان آموزش و تست آن صورت گرفته است. بدين منظور به سه شيوه عمل شده است. ابتدا ماشين بردار پشتيبان به طور مستقيم به كار گرفته شده است كه در نتيجه آن مدلي با ضريب همبستگي 83.9% براي داده هاي آزمايش بدست آمدهاست. سپس با استفاده از چندي سازي برداري ، تعداد داده‌هاي آموزشي، به ميزان قابل توجهي كاهش داده شده و ماشين بردار پشتيبان با داده‌هاي جديد و با زمان آموزش بسيار كمتر، مورد استفاده قرار گرفته است و در نتيجه آن مدلي با ضريب همبستگي 83.9% بدست آمد، كه نشان دهنده آن است كه كاهش راندمان با وجود كاهش چشمگير حجم محاسبات، ناچيز و قابل چشم پوشي است. در آخر نيز، داده هاي آموزشي با توجه به ميزان ديرششان، به پنج دسته تقسيم شده و براي هر دسته، يك طبقه بندي كننده و يك مدل تخمين، ايجاد شد و مدلي با ضريب همبستگي 83.46% بدست آمد. استفاده از اين دو تكنيك آخر باعث افزايش سرعت ماشين بردار پشتيبان با حفظ كارايي شده است. نتايج تست mqs براي داده هاي تست 3.83 بوده است.

فايل ضميمه

F1_2.pdf (230.2 كيلو بايت, 246 نمايش)

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!