Zastosowanie uczenia maszynowego w budowie interfejsu sterowanego głosem na przykładzie odtwarzacza muzyki

• Autorzy: Basiakowski Jakub

Identyfikatory

DOI

10.35784/jcsi.1324

Warianty tytułu

EN

Applying of machine learning in the construction of a voice-controlled interface on the example of a music player

• Języki publikacji: PL

Abstrakty

PL

Poniższy artykuł przedstawia wyniki badań wpływu zastosowania uczenia maszynowego w budowie interfejsu sterowanego głosem. Do analizy wykorzystane zostały dwa różne modele: jednokierunkowa sieć neuronowa zawierająca jedną warstwę ukrytą oraz bardziej skomplikowana konwolucyjna sieć neuronowa. Dodatkowo wykonane zostało porównanie modeli użytych w celu realizacji badań pod względem jakości oraz przebiegu treningu.

EN

The following paper presents the results of research on the impact of machine learning in the construction of a voice-controlled interface. Two different models were used for the analysys: a feedforward neural network containing one hidden layer and a more complicated convolutional neural network. What is more, a comparison of the applied models was presented. This comparison was performed in terms of quality and the course of training.

Słowa kluczowe

PL

uczenie maszynowe; sieć neuronowa; rozpoznawanie głosu

EN

machine learning; neural network; speech recognition

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Journal of Computer Sciences Institute
• Rocznik: 2019
• Tom: Vol. 13
• Strony: 302--309
• Opis fizyczny: Bibliogr. 21 poz., rys., tab.

Twórcy

autor

Basiakowski Jakub

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

Bibliografia

• [1] J. Ye, R. J. Povinelli, M. T. Johnson: „Phenome classification using naive Bayes classifier in reconstructed phase space”, IEEE Digital Signal Processing Workshop, 2002
• [2] A. Sanchis, A. Juan, E. Vidal: „A Word-Based Naive Bayes Classifier for Confidence Estimation in Speech Recognition”, IEEE Transactions on audio, speech and language processing, vol. 20, NO. 2, 2012
• [3] N. Smith, M. Gales: „Speech Recognition using SVMs”, Cambridge University Engineering Dept, 2002
• [4] C. Ittichaichareon, S. Suksri, T. Yingthawornsuk: „Speech Recognition using MFCC”, International Conference on Computer Graphics, Simulation and Modeling , 2012
• [5] W. M. Campbell, J. P. Campbell, D. A. Reynolds, E. Singer, P. A. Torres-Carrasquillo: „Support vector machines for speaker and language recognition”, Computer Speech and Language 20 210–229, 2006
• [6] A. Ganapathiraju, J. E. Hamaker, J. Picone: „Applications of Support Vector Machines to speech recognition”, IEEE Transactions on signal processing, vol 52, NO. 8, 2004
• [7] K. Al Smadi, I. Trrad, T. Al Smadi: „ Artificial Intelligence for Speech Recognition Based on Neural Networks”, Journal of Signal and Information Processing, 2015, 6, 66-72, 2015
• [8] W. Gevaert, G. Tsenov, V. Mladenov: „Neural networks used for speech recognition”,Journal of automatic control, University of Belgrade, vol. 20:1-7 , 2010
• [9] M. Tunckanat, R. Kurban S. Sagiroglu: „Voice Recognition Based On Neural Networks”, IJCI Proceedings of International Conference on Signal Processing, ISSN 1304-2386, Volume:1, Number:2, 2003
• [10] A. Ahad, A. Fayyaz, T. Mehmood: „Speech Recognition using Multilayer Perceptron”, Students Conference, ISCON apos:02. IEEE Volume 1, Issue, 16-17, 2002
• [11] T. N. Sainath, C. Parada: „Convolutional Neural Networks for Small-footprint Keyword Spotting”, Interspeech, 2015
• [12] K. J. Piczak: „Environmental Sound Classification With Convolutional Neural Networks”, IEEE International Workshop on Machine Learning For Signal Processing, 2015
• [13] O. Abdel-Hamid, A. Mohamed, H. Jiang, L. Deng, G. Penn, D. Yu: „Convolutional Neural Networks for Speech Recognition”, IEEE/ACM Transactions on audio, speech and language processing, vol. 22, NO. 10, 2014
• [14] Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, 1993
• [15] Nielsen M.: Neural Networks and Deep Learning. Determination Press, 2015
• [16] Goodfellow I., Bengio Y. i Courville A., Deep Learning, 2016
• [17] Wprowadzenie do kowolucyjnych sieci neuronowych https://towardsdatascience.com/simple-introduction-to-convolutional-neural-networks-cdf8d3077bac, czerwiec 2019
• [18] Strona projektu Tensorflow https://www.tensorflow.org/, czerwiec 2019
• [19] Pete Warden: Speech Commands: A Dataset for Limited-Vocabulary Speech Recognition, 2018
• [20] Repozytorium biblioteki Tensorflow https://github.com/tensorflow/tensorflow, czerwiec 2019
• [21] Dokumentacja biblioteki Seaborn https://seaborn.pydata.org/index.html, czerwiec 2019

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).