دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: خارجی: انگلیسی ویرایش: نویسندگان: Chang Shuangyu. سری: ناشر: سال نشر: تعداد صفحات: 286 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب یک مدل هجا، ویژگی بیانی و استرس-لهجه برای تشخیص گفتار: زبان و زبان شناسی، انگلیسی، آواشناسی / واج شناسی و آواشناسی انگلیسی، آواشناسی نظری و آواشناسی زبان انگلیسی
در صورت تبدیل فایل کتاب A Syllable, Articulatory-Feature, and Stress-Accent Model of Speech Recognition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یک مدل هجا، ویژگی بیانی و استرس-لهجه برای تشخیص گفتار نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
286 صفحه.
دکتر فلسفه در علوم کامپیوتر
دانشگاه کالیفرنیا، برکلی، 2002
پروفسور نلسون مورگان، دکتر لوکندرا شاستری، Cochairs
نسل فعلی خودکار سیستمهای تشخیص گفتار (ASR) فرض میکنند که
کلمات به آسانی به اجزای آوایی تشکیلدهنده (\phonemes\") تجزیه
میشوند.
یک کالبدشکافی دقیق زبانی از پیشرفتهترین سیستمهای تشخیص گفتار
نشان میدهد که واجی مرسوم \beads- رویکرد on-a-string از کاربرد
محدودی برخوردار است، به ویژه در مورد مطالب غیررسمی و محاوره ای.
این مطالعه نشان می دهد که شکاف قابل توجهی بین داده های مشاهده
شده و مدل های تلفظ سیستم های ASR فعلی وجود دارد. همچنین نشان
میدهد که بسیاری از عوامل مهم در عملکرد تشخیص بهطور صریح در
این سیستمها مدلسازی نشدهاند.
این پایاننامه با انگیزه این یافتهها، گفتار خود به خود را با
توجه به سه مؤلفه مهم، اما اغلب نادیده گرفته شده از گفتار (حداقل
با با احترام به ASR انگلیسی). این اجزاء عبارتند از ویژگی های
مفصلی- آکوستیک (AF)، هجا و لهجه استرس. نتایج تجزیه و تحلیل
شواهدی برای رویکرد جایگزین مدلسازی گفتار فراهم میکند، رویکردی
که در آن هجا وضعیت برتر را به خود میگیرد و از طریق ادغام
اطلاعات عروضی مانند لهجه تاکیدی به سطوح پایینتر و همچنین
بالاتر بازنمایی زبانی ادغام میشود. با استفاده از مثالها و
آمارهای عینی از مطالب گفتاری خود به خود نشان داده میشود که یک
رابطه سیستماتیک بین تحقق AF و لهجه استرس در ارتباط با موقعیت
هجا وجود دارد. این رابطه می تواند برای ارائه یک توصیف دقیق و
مقرون به صرفه از تنوع تلفظی در گفتار خود به خود استفاده شود.
رویکردی برای استخراج خودکار AF از سیگنال صوتی نیز توسعه داده
شده است، همانطور که سیستمی برای برچسب زدن خودکار استرس-لهجه
گفتار خود به خودی است.
بر اساس نتایج این مطالعات، یک مدل هجا محور و چند لایه از تشخیص
گفتار پیشنهاد شده است. این مدل به صراحت AF، بخشهای آوایی و
اجزای هجا را به چارچوبی برای نمایش واژگانی مرتبط میکند و
اطلاعات تاکیدی-لهجهای را در تشخیص ترکیب میکند. یک پیادهسازی
بستر آزمایشی مدل با استفاده از یک رویکرد مبتنی بر فازی برای
ترکیب شواهد از منابع مختلف AF و یک تکنیک مدلسازی تلفظ-تغییر با
استفاده از آمار تغییرات AF استخراج شده از دادهها توسعه داده
شده است.
286 pages.
Doctor of Philosophy in Computer Science
University of California, Berkeley , 2002
Professor Nelson Morgan, Dr. Lokendra Shastri, Cochairs
Current-generation automatic speech recognition (ASR) systems
assume that words are readily decomposable into constituent
phonetic components (\phonemes").
A detailed linguistic dissection of state-of-the-art speech
recognition systems indicates that the conventional phonemic
\beads-on-a-string" approach is of limited utility,
particularly with respect to informal, conversational material.
The study shows that there is a signi cant gap between the
observed data and the pronunciation models of current ASR
systems. It also shows that many important factors a ecting
recognition performance are not modeled explicitly in these
systems.
Motivated by these ndings, this dissertation analyzes
spontaneous speech with respect to three important, but often
neglected, components of speech (at least with respect to
English ASR). These components are articulatory-acoustic
features (AFs), the syllable and stress accent. Analysis
results provide evidence for an alternative approach of speech
modeling, one in which the syllable assumes pre2 eminent status
and is melded to the lower as well as the higher tiers of
linguistic representation through the incorporation of prosodic
information such as stress accent. Using concrete examples and
statistics from spontaneous speech material it is shown that
there exists a systematic relationship between the realization
of AFs and stress accent in conjunction with syllable position.
This relationship can be used to provide an accurate and
parsimonious characterization of pronunciation variation in
spontaneous speech. An approach to automatically extract AFs
from the acoustic signal is also developed, as is a system for
the automatic stress-accent labeling of spontaneous
speech.
Based on the results of these studies a syllable-centric,
multi-tier model of speech recognition is proposed. The model
explicitly relates AFs, phonetic segments and syllable
constituents to a framework for lexical representation, and
incorporates stress-accent information into recognition. A
test-bed implementation of the model is developed using a
fuzzy-based approach for combining evidence from various AF
sources and a pronunciation-variation modeling technique using
AF-variation statistics extracted from data.