Spoken digit recognition using generalized Brain-State-in-a-Box Model

• Autorzy: Starczewski K.

Warianty tytułu

PL

Rozpoznawanie mówionych cyfr z wykorzystaniem uogólnionego modelu Brain-State-in-a-Box

• Konferencja: PELINCEC Workshop "Bridges Through Time: Intelligent Control, Signal Processing and Real-Time Process Control"
• Języki publikacji: EN

Abstrakty

EN

In this paper an approach to spoken digit recognition using generalized Brain-State-in-a-Box (gBSB) model is shown. The author presents several methods of feature extraction from sampled human voice signals and some major problems of implementation. Experimental results and working examples are included.

PL

Praca przedstawia nowatorskie podejście do problemu rozpoznawania cyfr z mowy ludzkiej z wykorzystaniem modelu Brain-State-in-a-Box (gBSB). Autor prezentuje również kilka metod ekstrakcji unikalnego wektora cech dla danej cyfr z przygotowanych wcześniej próbek dźwiękowych. Omówione są pewne problemy implementacyjne. Całość jest zilustrowana przykładami.

Słowa kluczowe

EN

associative memories; voice recognition; feature extraction; neural network

PL

pamięć asocjacyjna; rozpoznawanie głosu; ekstrakcja cech; sieć neuronowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2006
• Tom: R. 82, nr 1
• Strony: 43--46
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Starczewski K.

• Warsaw University of Technology, Institute of Control and Industrial Electronics,

Bibliografia

• [1] Gong Y., Speech recognition in noisy environments: A survey, Speech Communication, 16(1995), n.3, 261-291
• [2] Yifang X., Jinjie Z., Kaisheng Y., Zhigang C., Zhengxin M., Robust recognition of noisy speech using speech enhancement, Proc. International Conference on Signal Processing (ICSP), Beijing, 2000
• [3] Quatieri T., Discrete-time Speech Signal Processing -Principles and Practice, Prentice Hall, 2002.
• [4] Hui S., Żak S., Dynamical analysis of the Brain-State-in-a-Box (BSB) neural models, IEEE Transactions on Neural Networks, 3(1992), n.1, 86-100
• [5] Hui S., Lillo W., Żak S., Dynamics and Stability Analysis of the Brain-State-in-a-Box (BSB) Neural Models., New York: Oxford University Press, 1993, ch. 11, 212-224.
• [6] Lillo W., Miller D., Hui S., Żak S., Synthesis of Brain-State-in-a-Box (BSB) associative memories, IEEE Transactions on Neural Networks, 5(1994), n.5, 730-737
• [7] Chan H., Żak S., On neural networks that design neural associative memories, IEEE Transactions on Neural Networks, 8(1997), n.2, 360-372
• [8] Lillo W., Miller D., Hui S., Żak S., Learning and forgetting in generalized Brain-State-in-a-Box (BSB) neural associative memories, Neural Networks, 9(1996), n.5, 845-854
• [9] Davis S., Mermelstein P., Comparison of parametric representation for monosyllabic word recognition in continuously spoken sentences, IEEE Transactions on Acoustics, Speech and Signal Processing, 28(1980), n.4, 357- 366
• [10] Kwiatkowski W., Metody automatycznego rozpoznawania wzorców, Warszawa: ITA, WAT, 2001.
• [11] Kaczorek T., Wektory i macierze w automatyce i elektrotechnice, Warszawa , WNT, 1998