دانلود فایل پاورپوینت استفاده از ماشین بردار پشتیبان (SVM)برای تشخیص گوینده

PowerPoint قابل ویرایش
39 صفحه
8900 تومان

لطفا به نکات زیر در هنگام خرید دانلود فایل پاورپوینت استفاده از ماشین بردار پشتیبان (SVM)برای تشخیص گوینده توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود فایل پاورپوینت استفاده از ماشین بردار پشتیبان (SVM)برای تشخیص گوینده قرار داده شده است

2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

4-در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت

— پاورپوینت شامل تصاویر میباشد —-

اسلاید ۱ :

تشخیص گوینده

žتفکیک گوینده های مختلف از یکدیگر

žاستفاده از ویژگیهای صوتی برای تشخیص

žدو روش کلی:

ساخت مدل برای هر گوینده و تطبیق دادن نمونه جدید با مدلها

سعی در تفکیک گوینده های مختلف از یکدیگر

اسلاید ۲ :

استخراج ویژگی برای کاهش ابعاد

žتعداد زیاد نمونه در صدای ذخیره شده

حداقل ۸ کیلو هرتز، ۸ بیت برای هر نمونه (۶۴ کیلو بیت بر ثانیه)

žنیاز به این دقت برای پخش صدا و بازسازی موج

žتغییر آهسته ویژگیهای صدا در طول زمان

žامکان نمایش و ذخیره یک پنجره (فریم) نسبتا طولانی (۱۰ تا ۲۵ میلی ثانیه) با تعداد کمی ویژگی

žنمایش یک پنجره با ۱۴ ویژگی: کاهش ابعاد به نسبت ۱۱٫۴

žنیاز به تعریف و استخراج ویژگی

اسلاید ۳ :

استخراج ویژگی برای تشخیص گوینده

žاطلاعات گوینده در طول موج بازه های کوتاه

short-term spectrum

اطلاعات موجود در یک پنجره ۲۰ میلی ثانیه ای

žیکی رایج ترین ویژگیها : Mel-warped Cepstra

ž

žاستفاده از فیلتر mel بر روی طیف به منظور تاکید کمتر بر روی فرکانس های بالا

تبدیل غیر خطی الهام گرفته شده از روی سیستم شنوایی انسان

žاستفاده از چند ضریب اول (معمولا ۱۴ ضریب)

اسلاید ۴ :

Mel-warped
Cepstra

اسلاید ۵ :

مسئله دسته‌بندی و جداسازی نمونه‌ها از روی ویژگی‌ها

žیادگرفتن مفاهیم از روی نمونه‌های آموزشی

žساده‌ترین حالت: حالت دو کلاسه

نمونه‌های مثبت

نمونه‌های منفی

žفضای چند بعدی

نمونه‌ها: بردارهای عددی

اسلاید ۶ :

مقدمه (ادامه)

žیک جواب ممکن

اسلاید ۷ :

žیک جواب ممکن دیگر

اسلاید ۸ :

معیار مقایسه

žکدام جواب بهتر است؟

žمنظور از بهتر بودن جواب؟

žنیاز به کمیت عددی

žیک معیار: خطای هر جواب

اسلاید ۹ :

خطای روش

žخطای دسته‌بندی نمونه‌های آموزشی (Emperical Risk)

ž

ž

ž

žخطای دسته‌بندی کلیه داده‌ها

ž

žمشکل اصلی

عدم دانستن تابع توزیع احتمال

عدم امکان محاسبه R

نیاز به تخمین R

اسلاید ۱۰ :

بعد VC

žVC: Vapnik Chervonenkis

žویژگی یک خانواده از توابع

žبیان کننده میزان انعطاف یک تابع در دسته‌بندی حالات مختلف

žبرای حالت دو کلاسه: حداکثر تعداد نمونه‌های مختلف (h) که به ازای هر حالت از ۲h برای نمونه‌ها، تابعی در خانواده باشد که تمامی نمونه‌ها را به درستی نشان دهد.

مطالب فوق فقط متون اسلاید های ابتدایی پاورپوینت بوده اند . جهت دریافت کل ان ، لطفا خریداری نمایید .
PowerPointقابل ویرایش - قیمت 8900 تومان در 39 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد