Применение скрытых марковских моделей в системах компьютерного обучения произношению
Получите бесплатно демо-версию Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить"
Разработка сайта салона красоты с возможностью записи клиентов2 000 ₽
Разработка автоматизированной информационной системы учета успеваемости студентов колледжа2 000 ₽
Программные комплексы поддержки принятия управленческих решений (учет рабочего времени сотрудников)2 000 ₽
Разработка информационной системы учета трафика в ЛВС компании, Диплом по информатике2 000 ₽Описание
Работа выполнена и представлена в 2016.
Современные информационные технологии могут кардинально изменить тревожную ситуацию в области коррекции и устранения речевых нарушений у детей (логопедия). Дефекты речи являются частым отклонением у детей дошкольного возраста. Если двенадцать лет назад свыше 100 тыс. детей в России посещали почти 5 тыс. специальных учреждений, то сейчас примерно у половины первоклассников есть дефекты речи, и это число постоянно растет. Очевидна проблема, требующая скорейшего решения, и оно возможно, если в помощь логопедам и родителям можно будет предложить специальные программы, помогающие изучению произношения и устраняющие уже существующие дефекты речи.
Произношение неразрывно связано с распознаванием речи, одной из самых сложных задач искусственного интеллекта. Именно поэтому, задача исследования возможностей математических моделей и методов, применяемых в системе распознавания речи, является актуальной.
Задача распознавания речи состоит в автоматическом восстановлении текста произносимых человеком слов, фраз или предложений на естественном языке. Человек для понимания устной речи задействует не только свои знания о языке, но и смысл произносимого. Каждый из нас понимает, что выражение, произнесенное с разной интонацией и в разных условиях, на уровне сигнала будет выглядеть совершенно по-разному. Но люди всё равно понимают друг друга, т.е. есть нечто неизменное, благодаря чему по сигналу можно понять, что было сказано. Поиск таких неизменных частей является задачей акустического моделирования. Акустическая модель - это функция, на вход которой подается небольшой участок акустического сигнала, и выдающая распределение вероятностей различных звуков на этом участке.
На сегодняшний день практически все известные системы распознавания речи основаны на статических методах. Обычно таким является метод, называемый скрытым марковским моделированием (СММ), так как при использовании данного метода вероятность распознавания слов очень велика (80-90%). В то же время каждый речевой сигнал может быть представлен в виде вектора, заданного в некотором параметрическом пространстве, после чего этот вектор может быть запомнен в нейросети. Модели искусственных нейронных сетей так же используются для акустико-фонетического моделирования речевого сигнала. Принципы работы таких моделей основываются на биологических моделях нервных систем.
СММ и искусственные нейронные сети (ИНС), созданные в виде компьютерных моделей, с успехом справляются с задачами распознавания. Существует так же гибридная модель ИНС и СММ, которая позволяет эффективно объединить и усилить их возможности. Для анализа самого произношения выбрана дифференцирующая модель, которая предполагает индивидуальный пошаговый контроль с объективной системой оценивания, при этом у компьютера для этого есть огромные возможности.Поэтому эти модели выбраны основными для исследования и анализа.
Характеристики
Программа с исходниками | Да, Delphi |
Год | 2016 |
Обратилась сюда с очень сложной темой. Сделали диплом за месяц, что для меня было спасением. Ребята — профи, взялись за задачу, которая мне не поддавалась.
Есть небольшой нюанс: из-за сжатых сроков не успели отполировать все детали до идеала. Если планируете заказывать, лучше делать это заранее. Но несмотря на это, работа качественная, и я получила «отлично» на защите.
Огромное вам спасибо! Рекомендую ребят всем, кто попал в трудную ситуацию.
Учусь в МГУ на направлении бизнес-информатика. Сначала сомневалась, получится ли совместить требования методички и мои пожелания по структуре. В работе использовались данные из 1С и элементы анализа в Stata. Несколько раз просила внести изменения, всё сделали корректно. В итоге диплом приняли, а оригинальность оказалась выше 88%.
Писала диплом по праву в УрФУ, тема про цифровые права. Сделали с акцентом на судебную практику, уникальность 90%. Сначала сомневалась в надёжности, но общались в чате, скидывали промежуточные главы. На защите отвечала на вопросы легко, потому что материал был логично выстроен. Рекомендую как проверенный сервис.
В РЭУ им. Плеханова готовил диплом по экономике предприятия. Сам текст был нормальный, но особенно полезной оказалась помощь перед защитой. Отдельно заказал ответы на возможные вопросы комиссии. На самой защите несколько вопросов совпали почти дословно.
Заканчивала магистратуру в ДВФУ по педагогике. После предзащиты возникли дополнительные требования кафедры. Несмотря на то что работа уже была завершена, помогли внести изменения и обновить список литературы. Такое сопровождение реально выручило.
