برای ارزیابی سیستم از نظیرکردن یک به یک گوینده های مرجع به گوینده هایی که سیستم آنها را تشخیص داده است، استفاده می شود. این موضوع را در نظیر کردن مورد توجه […]

ماشين­هاي بردار پشتيبان يك تكنيك دسته­بندي و رگرسيون است كه توسط وپنیک[1] و گروهش در آزمايشگاه AT&T Bell پيشنهاد شده است و در حال حاضر در بسياري از زمينه­ها مثل تشخيص چهره،

در این سیستم ها هدف از خوشه بندی گوینده، شناسایی و دسته بندی سگمنت های گفتاری مربوط به یک گوینده و اختصاص یک برچسب واحد به آنهاست و در نهایت نتیجه فرآیند

متداول ترین معیارهایی که برای آشکارسازی تغییر گوینده بکار می روند عبارتند از:  -معیار اطلاعات بیزین  -نرخ درست نمایی عمومی[1]  -فاصله کالبک لیبلر[2]  -فاصله دیورژانس اشکال[3] BIC – متقاطع[4] -درستنمایی مدل مخلوط

کل روش های بخش بندی گوینده درسه گروه خلاصه می شوند که عبارتند از: 1)بخش بندی بر اساس فاصله(متریک) 2)بخش بندی بر اساس مدل 3)بخش بندی هیبرید 3-2-1-بخش بندی بر اساس فاصله

در یک فایل صوتی که شامل صحبت چندین گوینده می باشد، یکی از مهمترین موضوعات  مشخص نمودن بازه زمانی بخش های گفتاری مربوط به هر گوینده می باشد. بنابراین باید مشخص نماییم

سه VAD استانداردی که در کاربردهای کدگذاری و انتقال اطلاعات گفتار مورد استفاده قرار می گیرند عبارتند از: AMR[1], GSM[2] , G.729B. از G.729B در این پایان نامه استفاده شده است، که

در این روش بعد از فاز استخراج ویژگی، برای تصمیم گیری از یک شبکه عصبی استفاده می شود. شبکه های عصبی دارای ورودی، خروجی و لایه های مخفی میانی[1]می باشند.  شکل (2-7)

در این مدل، با در نظر گرفتن یک سری حالت، احتمال گذار حالات، یک بردار ویژگی و توابع توزیع عناصر بردار در هر حالت، … اعمال الگوریتم جستجوی ویتربی[1]بر روی مشاهدات، بهترین

یکی از نکات مهم در پیاده سازی VADها، انتخاب ویژگی و یا ویژگی هایی است که بتوان به کمک آنها به تمایز دو ناحیه سکوت وگفتار پرداخت. در این مرحله پارامترهای مورد

در این مرحله اعمال پنجره، فیلتر کردن اطلاعات و … انجام می شود. برای بررسی سیگنال، ابتدا سیگنال قاب- بندی[1] می شود. در اکثر الگوریتم های پردازش گفتار برای کمترکردن تاثیر لبه

سیگنال گفتار از دو ناحیه سکوت و غیرسکوت تشکیل می شود. آشکارسازی گفتار در حضور وقایع آکوستیکی غیرگفتاری و نویزهای زمینه، تشخیص گفتار از غیر گفتار نامیده می شود و با نام

تاکنون روش های مختلفی برای بخش بندی و خوشه بندی گویندگان در یک جریان صوتی پیشنهاد شده است. روش های بکارگرفته شده را میتوان در سه دسته طبقه بندی نمود: روش های

بطور کلی مراحل مختلف یک سیستم بازشناسی گوینده، بصورت زیر خلاصه می گردد: 1-قطعه بندی آکوستیکی[1] 2-تشخیص گفتار از غیر گفتار[2] 3-تشخیص جنسیت گوینده 4-تشخیص تغییر گوینده 5-جمع زدن گوینده های مشابه

شبیه سازی نرم افزار شبیه ساز که اصطلاحا به آن سرور شبیه سازی می گویند در حقیقت مسئول شبیه سازی تمامی عوامل دخیل در یک مسابقه فوتبال واقعی مانند وزن توپ، وزن

روبوکاپ عنوان مسابقاتی درزمینه دانش روباتیک وهوش مصنوعی است که بصورت سالیانه توسط فدراسیون بین‌المللی روبوکاپ[1] برگزار می شود. روبوکاپ بزرگترین اقدام بشر در جهت عملیاتی شدن تحقیقات در حوزه هوش مصنوعی

از میان تقسیم بندی­های گوناگون ارائه شده در حیطه روباتیک، یکی از پرکاربردترین و مهمترین روبات­ها، روبات انسان­نما می­باشد که از نظر تقسیم­بندی در دسته روبات های پادار دوپا قرار می­گیرد. این

این معیارهای شباهت تنها از اطلاعات هر میزبان استفاده می کند و نیازی به اطلاعات مرتبط یا همسایگی گره ندارد. این معیارها به سادگی از گراف دوسویه شبکه استخراج می شوند. به

معیارهای شباهت مبتنی بر گراف، معیارهایی هستند که از اطلاعات ارتباط همبندی گراف در محاسبات خود استفاده می کنند. به عبارتی به اطلاعاتی فراتر از اطلاعات یک تک گره نیاز دارند. در

سیستم های شناسایی نفوذ مبتنی بر شبکه از دو رویکرد کلی جهت شناسایی ترافیک مشکوک استفاده می کنند. هر بسته داده عبوری در شبکه دارای دو بخش عنوان و محتوا می باشد.

همان طور که گفته شد، یک سیستم شناسایی نفوذ با نظارت بر فعالیت های کامپیوتری موجود در محیط و تحلیل آن، قادر به شناسایی فعالیت­های خبیثانه و آگاه کردن مدیر سیستم و

برای این که درک بهتری از روند الگوریتم های شناسایی نفوذ داشته باشیم، در این بخش مروری کلی بر انواع حملات موجود خواهیم داشت. دسته بندی های متفاوتی از حملات در حوزه