Effectiveness comparison on an artificial neural networks to identify Polish emotional speech

• Autorzy: Powroźnik P. , Czerwiński D.

Identyfikatory

DOI

10.15199/48.2016.07.08

Warianty tytułu

PL

Porównanie skuteczności uczenia sztucznych sieci neuronowych do identyfikacji polskiej mowy emocjonalnej

• Języki publikacji: EN

Abstrakty

EN

This article presents the issue of Polish emotional speech recognition based on Polish database prepared by Medical Electronic Division of the Lodz University of Technology. The main goal of this article was to show the differences is artificial neuron networks learning processes. Researches were conducted on the basis of the five most popular variants of the back propagation algorithm. The neuron activation function was the second analyzed issue.

PL

Artykuł prezentuje możliwe zastosowanie sztucznych sieci neuronowych do identyfikacji stanów emocjonalnych mówcy. Badania zostały przeprowadzone w oparciu o pięć najpopularniejszych wariantów algorytmu wstecznej propagacji błędów. W badaniach wykorzystano polska bazę mowy emocjonalnej przygotowaną przez Zakład elektroniki Medycznej Politechniki Łódzkiej.

Słowa kluczowe

EN

Polish emotional speech recognition; artificial neural network; backpropagation algorithm

PL

identyfikacja polskiej mowy emocjonalnej; sztuczna sieć neuronowa; algorytm wstecznej propagacji błędów

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2016
• Tom: R. 92, nr 7
• Strony: 45--48
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., wykr.

Twórcy

autor

Powroźnik P.

• Instytut Elektrotechnki i Elektrotechnologii, ul. Nadbystrzycka 38a, 20-618 Lublin

autor

Czerwiński D.

• Politechnika Lubelska, Instytut Informatyki, ul. Nadbystrzycka 38a, 20-618 Lublin

Bibliografia

• [1] Kamińska D., Pelikant A., Zastosowanie multimedialnej klasyfikacji w rozpoznawaniu stanów emocjonalnych na podstawie mowy spontanicznej, IAPGOŚ, 3/2012, 36–39
• [2] Scherer K., Vocal communication of emotions: A Review of Research Paradigms in Speech Communication 40, 2003, 227–256
• [3] Igras M., Ziółko B., Baza danych nagrań mowy emocjonalnej, Studia Informatica, Vol. 34, 2013, 67–77
• [4] Ziółko B, Ziółko M., Przetwarzanie mowy, Wydawnictwo AGH, 2011, 16–18
• [5] Paeschke A., Sendlmeier W. F., Prosodic Characteristics of Emotional Speech: Measurements of Fundamental Frequency Movements, ITRW on Speech and Emotions, Newcastle 2000
• [6] Lewis M., Haviland-Jones J. M., Psychologia emocji, Gdańskie Wydawnictwo Psychologiczne, Gdańsk 2005,
• [7] http://www.eletel.p.lodz.pl/bronakowski/med_catalog/ (18.01.2015)
• [8] Polzehl T., Schmitt A., Metze F., Approaching multilingual emotion recognition from speech on language dependency of acoustic/prosodic features for anger recognition, Proc. of Speech Prosody, Chicago 2010
• [9] Zieliński T., Przetwarzanie sygnałów cyfrowych. Od teorii do zastosowań, WKŁ, 2009
• [10] Gopalakrishnan K., Effects of training algorithms on neural network aided pavement diagnosis, International Journal of Engineering, Science and Technology, Vol. 2, No. 2, 2010, 83–92
• [11] Wang Y., Guan L., Recognizing human emotional state from audiovisual signals, Proc. IEEE Transactions on multimedia, Vol. 10, 2008, p. 659–668

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.