Đề tài: Ứng dụng mạng neuron cho vấn đề nhận dạng tiếng nói, đồng thời xây dựng một phần mềm thử nghiệm nhận dạng nguyên âm với mục đích hiểu sâu hơn về cách thức mà một mạng neuron tiến hành việc phân loại cá tín hiệu tiếng nói

Trong những năm gần đây, người ta thường nhắc đến Trí tuệ nhân tạo như là một phương thức mô phỏng trí thông minh con người từ việc lưu trữ đến xử lý thông tin...
Nội dung trích xuất từ tài liệu:
Đề tài: "Ứng dụng mạng neuron cho vấn đề nhận dạng tiếng nói", đồng thời xây dựng một phần mềm thử nghiệm nhận dạng nguyên âm với mục đích hiểu sâu hơn về cách thức mà một mạng neuron tiến hành việc phân loại cá tín hiệu tiếng nói" giíi thiÖu Trong nh÷ng n¨m gÇn ®©y, ng−êi ta th−êng nh¾c ®Õn “TrÝ tuÖ nh©n t¹o” nh− lµ mét ph−¬ng thøc m« pháng trÝ th«ng minh cña con ng−êi tõ viÖc l−u tr÷ ®Õn xö lý th«ng tin. Vµ nã thùc sù ®· trë thµnh nÒn t¶ng cho viÖc x©y dùng c¸c thÕ hÖ m¸y th«ng minh hiÖn ®¹i. Còng víi môc ®Ých ®ã, nh−ng dùa trªn quan ®iÓm nghiªn cøu hoµn toµn kh¸c, mét m«n khoa häc ®· ra ®êi, ®ã lµ Lý thuyÕt M¹ng neuron. TiÕp thu c¸c thµnh tùu vÒ thÇn kinh sinh häc, m¹ng neuron lu«n ®−îc x©y dùng thµnh mét cÊu tróc m« pháng trùc tiÕp c¸c tæ chøc thÇn kinh trong bé n·o con ng−êi. Tõ nh÷ng nghiªn cøu s¬ khai cña McCulloch vµ Pitts trong nh÷ng n¨m 40 cña thÕ kû, tr¶i qua nhiÒu n¨m ph¸t triÓn, cho ®Õn thËp kû nµy, khi tr×nh ®é phÇn cøng vµ phÇn mÒm ®· ®ñ m¹nh cho phÐp cµi ®Æt nh÷ng øng dông phøc t¹p, Lý thuyÕt M¹ng neuron míi thùc sù ®−îc chó ý vµ nhanh chãng trë thµnh mét h−íng nghiªn cøu ®Çy triÓn väng trong môc ®Ých x©y dùng c¸c m¸y th«ng minh tiÕn gÇn tíi TrÝ tuÖ con ng−êi. Søc m¹nh thuéc vÒ b¶n chÊt tÝnh to¸n song song, chÊp nhËn lçi cña m¹ng neuron ®· ®−îc chøng minh th«ng qua nhiÒu øng dông trong thùc tiÔn, ®Æc biÖt khi tÝch hîp cïng víi c¸c kü thuËt kh¸c. Mét trong nh÷ng øng dông kinh ®iÓn cña m¹ng neuron lµ líp c¸c bµi to¸n nhËn d¹ng mÉu, ë ®ã mçi mét mÉu lµ mét tËp hîp (hay mét vector) c¸c tham sè biÓu thÞ c¸c thuéc tÝnh cña mét qu¸ tr×nh vËt lý nµo ®ã (vÝ dô tÝn hiÖu tiÕng nãi). Ngoµi søc m¹nh vèn cã, m¹ng neuron cßn thÓ hiÖn −u ®iÓm cña m×nh trong viÖc nhËn d¹ng th«ng qua kh¶ n¨ng mÒm dÎo, dÔ thÝch nghi víi m«i tr−êng. ChÝnh v× vËy, cã thÓ coi m¹ng neuron tr−íc tiªn lµ mét c«ng cô ®Ó nhËn d¹ng. NhiÒu c«ng tr×nh nghiªn cøu, nhiÒu øng dông thùc nghiÖm ®· ®−îc thùc hiÖn trªn m¹ng neuron víi môc ®Ých nhËn d¹ng vµ ®· thu ®−îc nh÷ng thµnh c«ng to lín. Tr−íc sù quyÕn rò cña c¸c øng dông TrÝ tuÖ nh©n t¹o, cïng b¶n tÝnh tß mß tr−íc mét lý thuyÕt míi ch−a tõng ®−îc nghiªn cøu vµ sù ®éng viªn khuyÕn khÝch cña thµy gi¸o h−íng dÉn, t«i ®· quyÕt ®Þnh thùc hiÖn nh÷ng nghiªn cøu ban ®Çu vÒ Lý thuyÕt m¹ng neuron víi mét môc ®Ých cô thÓ lµ øng dông nã vµo vÊn ®Ò nhËn d¹ng tiÕng nãi. Do thêi gian thùc hiÖn ®å ¸n tèt nghiÖp chØ cã h¬n ba th¸ng, t«i kh«ng cã tham väng x©y dùng ®−îc mét phÇn mÒm nhËn d¹ng tiÕng nãi hoµn chØnh. Môc ®Ých chÝnh cña b¶n luËn v¨n lµ: Tr×nh bµy c¸c kÕt qu¶ nghiªn cøu lý thuyÕt phôc vô cho chñ ®Ò “øng dông m¹ng neuron cho vÊn ®Ò nhËn d¹ng tiÕng nãi”; ®ång thêi x©y dùng mét phÇn mÒm thö nghiÖm NhËn d¹ng nguyªn ©m víi môc ®Ých hiÓu s©u h¬n vÒ c¸ch thøc mµ mét m¹ng neuron tiÕn hµnh viÖc ph©n lo¹i c¸c tÝn hiÖu tiÕng nãi. 1 Néi dung cña luËn v¨n PhÇn I. C¬ së lý thuyÕt m¹ng neuron cho vÊn ®Ò nhËn d¹ng tiÕng nãi Ch−¬ng 1. Më ®Çu. Kh¸i niÖm vÒ nh÷ng thµnh phÇn vµ kiÕn tróc c¬ b¶n cña m¹ng neuron. Ch−¬ng 2. Ph−¬ng ph¸p häc cho m¹ng tiÕn ®a møc. C¸c quy t¾c häc, m« h×nh häc vµ thuËt to¸n häc (thuËt to¸n back-propagation) cho m¹ng tiÕn (feedforward) ®a møc. §¸nh gi¸ vµ c¶i thiÖn tÝnh n¨ng thuËt to¸n back-propagation. Ch−¬ng 3. C¸c më réng cho m¹ng håi quy trÔ. M« h×nh m¹ng neuron håi quy trÔ vµ thuËt ti¸n back- propagation më réng. Ch−¬ng 4. NhËn d¹ng tiÕng nãi vµ kh¶ n¨ng øng dông m¹ng neuron trÔ. Xö lý filter bank cho tÝn hiÖu tiÕng nãi vµ quan ®iÓm øng dông c¸c m¹ng neuron trÔ cho viÖc nhËn d¹ng. PhÇn II. X©y dùng phÇn mÒm thö nghiÖm nhËn d¹ng nguyªn ©m Ch−¬ng 5. Ph©n tÝch bµi to¸n nhËn d¹ng nguyªn ©m. Ph©n tÝch yªu cÇu bµi to¸n vµ ®Ò xuÊt ph−¬ng ¸n thùc hiÖn. Ch−¬ng 6. ChiÕn l−îc thiÕt kÕ phÇn mÒm. ThiÕt kÕ c¸c modul ch−¬ng tr×nh theo tõng chøc n¨ng cô thÓ. Ch−¬ng 7. Giíi thiÖu phÇn mÒm cµi ®Æt. Tr×nh bµy ®«i nÐt vÒ c¸ch thøc cµi ®Æt mét sè modul quan träng. PhÇn III. KÕt luËn Ch−¬ng 8. KÕt luËn. XÐt vÒ mÆt lý thuyÕt, m¹ng neuron t−¬ng ®èi ®éc lËp víi b¶n chÊt c¸c qu¸ tr×nh vËt lý cÇn nhËn d¹ng mµ tÝn hiÖu tiÕng nãi lµ mét vÝ dô. Dùa trªn quan ®iÓm nhËn d¹ng mÉu, m¹ng neuron chØ quan t©m tíi c¸c tham sè ®Æc tr−ng cña tÝn hiÖu tiÕng nãi vµ sö dông chóng nh− ®Çu vµo; sau mét qu¸ tr×nh tÝnh to¸n, ®Çu ra cña m¹ng neuron sÏ lµ c¸c ®¸nh gi¸ cho phÐp dÔ dµng biÕt ®−îc tÝn hiÖu ban ®Çu thuéc lo¹i nµo. ChÝnh v× thÕ, trong phÇn tr×nh bµy vÒ kÕt qu¶ nghiªn cøu lý thuyÕt (PhÇn I), t«i cã ngÇm ph©n chia thµnh hai khu vùc: ba ch−¬ng ®Çu hoµn toµn nãi vÒ m¹ng neuron, vµ ch−¬ng cuèi cïng chñ yÕu nãi vÒ c¸ch thøc lÊy ra c¸c tham sè ®Æc tr−ng cña tÝn hiÖu tiÕng nãi. Do môc ®Ých nghiªn cøu lý thuyÕt cña ®Ò tµi vµ còng do 2 phÇn mÒm thö nghiÖm ch−a ®−îc hoµn thiÖn, PhÇn II cña b¶n luËn v¨n chØ chiÕm mét sè trang kh«ng nhiÒu (25 trang), nh−ng còng ®· ®Ò cËp ®Õn hÇu hÕt nh÷ng quan ®iÓm x©y dùng phÇn mÒm. Sau ®©y t«i xin giíi thiÖu nh÷ng nÐt kh¸i qu¸t nhÊt vÒ nh÷ng néi dung ®· thÓ hiÖn. Lý thuyÕt M¹ng neuron M¹ng neuron nh©n t¹o lµ mét m« h×nh m« pháng cÊu tróc cña bé n·o con ng−êi. Hai thµnh phÇn chÝnh cÊu t¹o nªn m¹ng neuron lµ c¸c neuron (m« pháng c¸c tÕ bµo thÇn kinh) vµ c¸c synapse (m« pháng c¸c khíp nèi thÇn kinh). Trong kiÕn tróc cña mét m« h×nh kÕt nèi, c¸c neuron chÝnh lµ c¸c nót m¹ng, ®−îc liªn kÕt víi nhau th«ng qua c¸c synpase, lµ c¸c cung m¹ng. Neuron lµ mét ®¬n vÞ tÝnh to¸n cã nhiÒu ®Çu vµo vµ mét ®Çu ra, mçi ®Çu vµo ®Õn tõ mét syanpse. §Æc tr−ng cña neuron lµ mét hµm kÝch ho¹t ph ...