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
ویرایش: 1
نویسندگان: Manas A. Pathak (auth.)
سری: Springer Theses
ISBN (شابک) : 9781461446385, 9781461446392
ناشر: Springer-Verlag New York
سال نشر: 2013
تعداد صفحات: 144
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب حفظ حریم شخصی دستگاه یادگیری پردازش گفتار: پردازش سیگنال، تصویر و گفتار، مهندسی ارتباطات، شبکهها، ساختارهای داده، رمز شناسی و نظریه اطلاعات، الکترونیک قدرت، ماشینها و شبکههای الکتریکی
در صورت تبدیل فایل کتاب Privacy-Preserving Machine Learning for Speech Processing 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 حفظ حریم شخصی دستگاه یادگیری پردازش 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.
این پایان نامه در مورد مسائل حریم خصوصی در برنامه های کاربردی مبتنی بر گفتار مانند احراز هویت بیومتریک، نظارت و خدمات پردازش گفتار خارجی بحث می کند. نویسنده Manas A. Pathak راه حل هایی را برای برنامه های پردازش گفتار حفظ حریم خصوصی مانند تأیید گوینده، شناسایی گوینده و تشخیص گفتار ارائه می دهد. نویسنده همچنین برخی از ابزارهای رمزنگاری و یادگیری ماشین و تکنیک های فعلی را برای بهبود کارایی و مقیاس پذیری راه حل های ارائه شده معرفی می کند. آزمایشهایی با اجرای نمونه اولیه راهحلها برای زمان اجرا و دقت در مجموعه دادههای گفتاری استاندارد نیز در متن گنجانده شده است. استفاده از چارچوب پیشنهادی ممکن است اکنون این امکان را برای یک سازمان جاسوسی فراهم کند که به یک تروریست شناخته شده گوش دهد بدون اینکه قادر به شنیدن مکالمه غیرنظامیان بی گناه و غیر هدفمند باشد.
This thesis discusses the privacy issues in speech-based applications such as biometric authentication, surveillance, and external speech processing services. Author Manas A. Pathak presents solutions for privacy-preserving speech processing applications such as speaker verification, speaker identification and speech recognition. The author also introduces some of the tools from cryptography and machine learning and current techniques for improving the efficiency and scalability of the presented solutions. Experiments with prototype implementations of the solutions for execution time and accuracy on standardized speech datasets are also included in the text. Using the framework proposed may now make it possible for a surveillance agency to listen for a known terrorist without being able to hear conversation from non-targeted, innocent civilians.
Front Matter....Pages i-xvii
Front Matter....Pages 1-1
Thesis Overview....Pages 3-6
Speech Processing Background....Pages 7-18
Privacy Background....Pages 19-45
Front Matter....Pages 47-47
Overview of Speaker Verification with Privacy....Pages 49-53
Privacy-Preserving Speaker Verification Using Gaussian Mixture Models....Pages 55-66
Privacy-Preserving Speaker Verification as String Comparison....Pages 67-72
Front Matter....Pages 73-73
Overview of Speaker Identification with Privacy....Pages 75-78
Privacy-Preserving Speaker Identification Using Gaussian Mixture Models....Pages 79-87
Privacy-Preserving Speaker Identification as String Comparison....Pages 89-95
Front Matter....Pages 97-97
Overview of Speech Recognition with Privacy....Pages 99-102
Privacy-Preserving Isolated-Word Recognition....Pages 103-109
Front Matter....Pages 111-111
Thesis Conclusion....Pages 113-116
Future Work....Pages 117-119
Back Matter....Pages 121-141