علوم و مهندسی کامپیوتر (THE CSI JOURNAL ON COMPUTER SCIENCE AND ENGINEERING)
سال:1386 | دوره:5 | شماره:1 (الف) |تعداد مقالات:5

تعیین هویت نویسنده به کمک متون دست نویس، بعنوان یک موضوع تحقیقاتی در طی سالهای اخیر مورد توجه قرار گرفته است. اغلب تحقیقات انجام شده با فرض ثابت بودن متن دست نویس و بر روی زبان انگلیسی متمرکز است و تاکنون مطالعاتی در زمینه متون دست نویس فارسی یا عربی گزارش نشده است. بنابراین در این مقاله روشی برای تعیین هویت نویسنده بر اساس متن دست نویس فارسی پیشنهاد شده است که بصورت برون خط انجام شده و متن نوشته شده نیز ثابت نمی باشد. بر اساس ایده مطرح شده در مطالعات قبلی، در این روش تصویر متن دست نویس بصورت یک بافت در نظر گرفته شه و با کم فیلترهای گابور چند کانالی ویژگیهای متن نرمال سازی شده استخراج و تعیین هویت نویسنده بر اساس آنها انجام می شود. در واقع ویژگی روش پیشنهادی استفاده از بانک فیلتری است که با ساختار متون دست نویس فارسی و همچنین سیستم بینایی تناسب بیشتری دارد. این روش به همراه دو روش ماتریس هم وقوعی و روشی دیگر که بر اساس فیلترهای گابور می باشد، پیاده سازی شده و نتایج اجرای آنها بر روی تصاویر دستخط 25 نفر نشان می دهد که روش پیشنهادی از کارایی بالاتری برای متون دست نویس فارسی برخوردار است.

در این مقاله الگوریتم جدیدی برای بهره گیری از روش اندازه پله متغیر در الگوریتم PNLMS معرفی می کنیم. انگیزه اصلی در معرفی این الگوریتم رسیدن به سرعت ره گیری سریعتر در مقابل سیگنالهای غیر ایستان مانند سیگنالهای صحبت می باشد. الگوریتم پیشنهادی SVS-PNLMS را با الگوریتمهای پیشتر ارایه شده NLMS و SPNLMS مقایسه کرده و با شبیه سازی کامپیوتری نشان می دهیم که الگوریتم پیشنهادی دارای سرعت اندازه گیری بالاتری می باشد.

در سالهای اخیر روش سنتز با انتخاب واحد مبتنی بر دادگان بزرگ بدلیل تولید صحبت طبیعی با کیفیت مناسب، ساده بودن ایده و داشتن پتانسیل بالقوه بالا مورد توجه بسیاری از محققان قرار گرفته است. اجزای اصلی این روش یک دادگان بزرگ شامل نمونه های صوتی مختلف، دو معیار برای ارزیابی نمونه ها بنامهای هزینه هدف و اتصال و در انتها یک الگوریتم جستجو برای انتخاب بهترین نمونه ها می باشد. در این مقاله، ساختار یک سیستم سنتز با انتخاب واحد پیاده سازی شده برای زبان فارسی، بنام فارس بیان شرح داده می شود. بدین منظور زیرهزینه های تشکیل دهنده توابع هزینه، روشهای مختلف تعیین وزن های زیرهزینه ها و الگوریتمهای پیرایش مورد استفاده برای کاهش فضای جستجوی نمونه ها در این پژوهش شرح داده می شوند. کیفیت خروجی سیستم به نحو قابل توجهی طبیعی می باشد. برای ارزیابی سیستم از تست MOS استفاده شده است که مقدار MOS برای معیار کیفیت کلی 3.8 بدست آمده است.

در گفتار پیوسته، کلمات به صورتهای گوناگونی تلفظ می شوند. وجود تنوعات تلفظی ایجاب می نماید واژگان سیستم بازشناسی گفتار پیوسته، حاوی گونه های تلفظی مناسب کلمات به همراه احتمال وقوع هر یک از آنها باشد. با ایجاد چنین واژگانی می توان درصد دقت بازشناسی کلمات را افزایش داد. ابزار درخت تصمیم بطور وسیعی برای مدلسازی گونه های تلفظی کلمات و واحدهای زیرکلمه استفاده می شود. در صورتی که مدلسازی در سطح کلمه صورت گیرد، یعنی به ازای هر کلمه یک درخت تصمیم بطور خاص برای تعیین گونه های تلفظی آن تعلیم یابد، دادگان بسیار بزرگی شامل تمام کلمات موجود در واژگان با تعداد تکرار کافی مورد نیاز است. در این رویکرد علاوه بر نیاز به دادگان بسیار بزرگ، برای کلمات جدیدی که در دادگان آموزش موجود نباشند دچار مشکل می شویم بطوری که در عمل کاربرد آن برای سیستم های بازشناسی گفتار با واژگان خیلی بزرگ ناممکن می شود. در تحقیق حاضر برای حل این مساله، درخت های تصمیم تعمیم یافته را طراحی نموده ایم. در این روش هر درخت مختص به یک کلمه نیست بلکه هر درخت مختص به گروهی از کلمات است که دارای ساختار واجی مشابه باشند. این درختها به صورتی کلی، توانایی پیش بینی آن نواحی از کلمه را که تبدیل، حذف و درج واج در آنها امکان داشته باشد، دارا هستند. بعد از یافتن نوع کلی تغییرات تلفظی کلمه از این طریق، قواعد تلفظی آماری، که از یک دادگان گفتاری با حجم متوسط استخراج شده اند و بطور کاملا جزیی و دقیق مشخص می کنند. هر واج در چه زمینه واجی، چه تغییراتی خواهد کرد، به بخش هایی از کلمات که توسط درخت تصمیم مشخص شده اند، اعمال می شوند تا گونه های تلفظی کلمه تولید گردند. به این ترتیب، یک مدل تلفظی شکل می گیرد که در عین عملکرد بر روی کل ساختار کلمه، نیازی به دادگان های بسیار بزرگ جهت آموزش ندارد. این مدل ترکیبی درخت تصمیم/ قاعده در حالت آموزش و استفاده به شکل ایستا، از ویژگی های ساختار واجی کلمه، محل تکیه در کلمه، احتمال وقوع کلمه در متون، و اطلاعات متنی واج ها استفاده می کند. در حالت آموزش و بکارگیری این مدل در شکل پویا، علاوه بر این ویژگی ها، نرخ گفتار نیز بطور همزمان به آن وارد می شود. با استفاده از گونه های تولید شده توسط این مدل، در حالت های ایستا و پویا، در واژگان سیستم بازشناسی گفتار پیوسته "شنوا"، به ترتیب 8.1% و 10.3% کاهش در نرخ خطای بازشناسی در سطح کلمه مشاهده گردید.

روش جستجوی WA* که یک روش جستجوی مبتنی بر A* می باشد، کاربردهای مختلفی در هوش مصنوعی پیدا کرده است. این روش یک روش نیمه بهینه است که در آن با انتخاب وزن مناسب، کارایی جستجو به میزان قابل توجهی افزایش می یابد. بسیاری از تحقیقات گذشته که از این روش جستجو استفاده کرده اند، هر یک وزنی ثابت را برای جستجو در همه دامنه ها و همه مسایل خود در نظر گرفته اند، در حالیکه شرایط و ویژگی های دامنه ها و مسایل با یکدیگر تفاوت دارد. در این مقاله با بررسی روش WA* نشان داده ایم که استفاده از یک وزن ثابت برای همه شرایط مختلف شامل دامنه، مساله و تابع ابتکاری متفاوت، پذیرفته نیست. همچنین ضمن بررسی و توجیه علت کارایی بهتر WA* نسبت به A*، با استفاده از مثال ها و قضیه هایی، دامنه تغییرات وزن و تاثیر آن بر عملکرد جستجو را بررسی نموده و روش جدید جستجوی GBFS* را به عنوان حد بالای روش جستجوی WA* تعریف کرده ایم.