000006119 001__ 6119
000006119 005__ 20150325135839.0
000006119 037__ $$aTAZ-PFC-2011-349
000006119 041__ $$aspa
000006119 1001_ $$aVillalta Pérez, Carolina
000006119 24500 $$aEstudio de integración de clasificadores de rasgos fonéticos para la mejora de sistemas de reconocimiento de gran vocabulario
000006119 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2011
000006119 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000006119 500__ $$aColaboración del I3A a través de la beca de iniciación a la investigación
000006119 520__ $$aEn los sistemas de inteligencia ambiental una parte fundamental la constituye el interfaz hombre-máquina, y dentro de éste, la interacción oral en ambos sentidos, de la que forman parte los sistemas tanto de reconocimiento automático como de síntesis de voz. En sistemas complejos la interacción simple por medio de comandos limita las posibilidades de un sistema de inteligencia ambiental, por ello es preciso tener disponibles reconocedores de voz de gran vocabulario. El trabajo de investigación propuesto tiene como objetivo la mejora de las prestaciones de un reconocedor automático de voz de gran vocabulario, medidas en tasa de errores de palabra. Para ello la investigación atenderá principalmente a la mejora del modelo acústico, dejando el de lenguaje por defecto. Las mejoras propuestas consistirán en el uso de clasificadores en una fase previa al procesado de extracción de características, de forma que la salida de estos clasificadores se pueda concatenar a los vectores de características utilizados comúnmente y facilitar el reconocimiento. Los clasificadores estarán especializados en la distinción de ciertos fonemas o grupos de fonemas, e incluso aspectos articulatorios o contextuales de la producción de la voz. A través de la experimentación con distintas bases de datos elegiremos cual es la opción que nos proporciona mejores resultados. En la extracción de características haremos uso de varios tipos, como los coeficientes MFCC( Mel Frequency Cepstral Coefficients ), los coeficientes PLP ( predicción lineal perceptual ) o los coeficientes RASTA (Relative Spectral Transform). Para el diseño de los clasificadores se ensayarán distintas alternativas como redes neuronales, árboles de decisión, maquinas de soporte vectorial (SVMs), mezclas de gaussianas o redes bayesianas. En cuanto a la integración en el reconocedor, se ensayarán también distintas alternativas como el uso de distribuciones gaussianas, modelos gráficos o distribuciones beta.
000006119 521__ $$aIngeniero de Telecomunicaciones
000006119 540__ $$aDerechos regulados por licencia Creative Commons
000006119 6531_ $$aextracción de características
000006119 6531_ $$aredes neuronales
000006119 6531_ $$arah (reconocimiento automático del habla)
000006119 6531_ $$agran vocabulario
000006119 700__ $$aMiguel Artiaga, Antonio$$edir.
000006119 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTeoría de la Señal y Comunicaciones
000006119 830__ $$aCPS
000006119 8560_ $$f534862@celes.unizar.es
000006119 8564_ $$s2006240$$uhttps://zaguan.unizar.es/record/6119/files/TAZ-PFC-2011-349.pdf$$yMemoria (spa)
000006119 909CO $$ooai:zaguan.unizar.es:6119$$pdriver$$pproyectos-fin-carrera
000006119 950__ $$a
000006119 980__ $$aTAZ$$bPFC$$cCPS