Geri Dön

Yapay sinir ağları ile hece algılama

Başlık çevirisi mevcut değil.

  1. Tez No: 57711
  2. Yazar: ÖZCAN SAÇAR
  3. Danışmanlar: YRD. DOÇ. DR. RIFAT YAZICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Yapay sinir ağı, hata-geri yayılım algoritması, hece paterni, güç tayfi, ayrık fourier dönüşümü, Karakter tanıma, Yapay sinir ağları, Artificial Neural Networks, error back propagation algorithm, syllable pattern, power spectra, discrete fourier transformation. VI, Character recognition
  7. Yıl: 1995
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Bu çalışmada, Türkçe'deki heceler ve yapay sinir ağlan incelenmiş ve Hata- Geri Yayılım algoritması kullanılarak yapay sinir ağı hece paternleri ile eğitilmiştir. Eğitilen sistemin hece paternlerini tanıması sağlanmıştır. Mikrofon ile elektriksel işarete dönüştürülen hece işareti, yüksek frekanslı bileşenleri süzmek için band genişliği 4 kHz olan alçak geçiren süzgeçten (AGS) geçirilmiş ve analog/sayısal dönüştürücü (ASD) ile sayısal işarete dönüştürülmüştür. İşaret sayısala dönüştürülürken, örnekleme, kuvantalama ve kodlama işlemlerine tabi tutulmuştur. İnsan kulağının söze karşı duyarlılığı incelendiğinde iki önemli nokta görülür. Bunlardan birincisi; kulağın sözün fazına karşı duyarsız olduğudur, ikincisi ise; sözün güç tayfına karşı oldukça duyarlı olduğudur. Sözün güç tayfi incelendiğinde, ses bölgesi frekanslarının belirlenmesi önem kazanır. Bu frekanslarının belirlenmesi için, ayrık fourier dönüşümü kullanılmıştır. Bu adımlardan sonra elde edilen bilgiler, aynı standartta olmaları için normalize edilmişlerdir. Böylece elde edilen paternlerle yapay sinir ağı eğitilmiş ve eğitilen ağın paternleri algılaması sağlanmıştır. Eğitmenin anlamı; başlangıç ağırlıklarının ayarlanmasıdır. Çalışmada iki katmanlı yapay sinir ağı için hata-geri yayılım algoritmasına ilişkin bilgisayar yazılımı gerçeklenmiştir.

Özet (Çeviri)

SUMMARY“ Syllable Recognition with Artificial Neural Networks ”In this thesis, syllables in Turkish and Artificial Neural Networks have been examined and syllable patterns have been learned to network by using error-back propagation algorithm. Syllable patterns have been recognized by the network learned before. Speech signals transduced to the electrical signals by a microphone, are filtered with low pass filter (LPF) which band width is 4 kHz, so that high frequency components could be eliminated. Then the signals are converted to digital by using digital/analog converter (ADC). While converting, signals are sampled, kuanted and coded. Examining sensitivity of human ear, there are two important points. First of them is that ear is not sensitive to phase of speech, the other is the sensitivity of ear to power spectra of speech signal. In examining the power spectrum of speech, determination of speech frequencies becomes important. Discrete fourier transformation has been used for determination of these frequencies. Patterns that obtained after these steps are normalized in order to construct all patterns at the same standard. Thus, artificial neural network has been learned and trained by the patterns. Learning means to adjust initial weight values. In this application, layered feedforward neural network with two continuous perceptron layers has been used and error-back propagation algorithm has been programmed to perform learning and training.

Benzer Tezler

  1. Tez No

    28882

    Scheduling with artifical neural networks

    Yapay sinir ağları ile çizelgeleme

    BURÇKAN GÜRGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İHSAN SABUNCUOĞLU

  2. Tez No

    29258

    Well test model identification by artifical neural networks

    Yapay sinir ağları ile kuyu testleri değerlendirme modelinin tanımlanması

    ERKAN KARAKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik Üniversitesi

    Petrol Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA VERSAN KÖK

  3. Tez No

    34204

    Yapay sinir ağları ile Türkçe konuşma tanımı

    Turkish speech recognition using artifical neural networks

    BARIŞ AKÇAY

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. H. SELÇUK GEÇİM

  4. Tez No

    37369

    Yapay sinir ağları ile seramik sır özelliklerinin tahmin edilmesi

    Prediction of ceramic glaze properties by artificial neural networks

    UĞUR KUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Seramik MühendisliğiDumlupınar Üniversitesi

    Seramik Mühendisliği Ana Bilim Dalı

    PROF. DR. İSKENDER IŞIK

  5. Tez No

    39106

    Yapay sinir ağları ile doku sınıflandırma

    Tissue classification using artificial neural networks

    AYSU SEVEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ERTUĞRUL YAZGAN

Geri Dön