مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

396
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

501
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

طراحی یک ماشین هوشمند مبتنی بر مدل سازی شناختی با استفاده از تکلیف شبکه توجه

صفحات

 صفحه شروع 81 | صفحه پایان 92

چکیده

 مقدمه: گفتار موثرترین ابزاری است که انسان ها برای انتقال اطلاعات از آن استفاده می کنند. گوینده در خلال گفتار خویش علاوه بر واژگان و دستور زبان اطلاعاتی همچون سن, جنسیت و حالت هیجانی خود را منتقل می کند. پژوهش های فراوانی با رویکردهای گوناگون پیرامون هیجان در گفتار هیجانی انجام شده است. این پژوهش ها نشان می دهند که هیجان ضمن پیام در گفتار هیجانی از طبیعتی پویا برخودار می باشد. این پویایی, مطالعه ی کمی هیجان در گفتار هیجانی را با دشواری همراه می سازد. این پژوهش به ارزیابی هیجان ضمن پیام از طریق پردازش گفتار هیجانی با استفاده از ویژگی های MFCC و STFT می پردازد. روش کار: داده های ورودی, پایگاه داده ی استاندارد گفتار هیجانی برلین شامل هفت حالت هیجانی خشم, کسلی, انزجار, ترس, شادی, غم و حالت خنثی می باشد. با استفاده از نرم افزار MATLAB ابتدا فایل های صوتی خوانده می شوند. در مرحله ی بعد نخست ویژگی های MFCC و در سپس ویژگی های STFT استخراج می شوند. بردار های ویژگی برای هر کدام از ویژگی ها بر اساس هفت مقدار آماری کمینه, بیشینه, میانگین, انحراف معیار, میانه, چولگی و کشیدگی محاسبه می شوند. سپس به عنوان ورودی شبکه ی عصبی مصنوعی مورد استفاده قرار گرفتند. در انتها, بازشناسی حالت های هیجانی با استفاده از توابع آموزشی مبتنی بر الگوریتم های مختلف انجام شد. یافته ها: نتایج بدست آمده نشان می دهد میانگین و صحت بازشناسی حالت های هیجانی با استفاده از ویژگی های STFT نسبت به ویژگی های MFCC بهتر است. همچنین, حالت های هیجانی خشم و غم از نرخ بازشناسی بهتری برخوردار هستند. نتیجه گیری: ویژگی های STFT نسبت به ویژگی های MFCC هیجان ضمن پیام در گفتار هیجانی را بهتر بازنمایی می کنند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    هراتیان نژادی، آزاده، ستایشی، سعید، و حاتمی، جواد. (1399). طراحی یک ماشین هوشمند مبتنی بر مدل سازی شناختی با استفاده از تکلیف شبکه توجه. تازه های علوم شناختی، 22(1 )، 81-92. SID. https://sid.ir/paper/381907/fa

    Vancouver: کپی

    هراتیان نژادی آزاده، ستایشی سعید، حاتمی جواد. طراحی یک ماشین هوشمند مبتنی بر مدل سازی شناختی با استفاده از تکلیف شبکه توجه. تازه های علوم شناختی[Internet]. 1399؛22(1 ):81-92. Available from: https://sid.ir/paper/381907/fa

    IEEE: کپی

    آزاده هراتیان نژادی، سعید ستایشی، و جواد حاتمی، “طراحی یک ماشین هوشمند مبتنی بر مدل سازی شناختی با استفاده از تکلیف شبکه توجه،” تازه های علوم شناختی، vol. 22، no. 1 ، pp. 81–92، 1399، [Online]. Available: https://sid.ir/paper/381907/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button