التعرف على الأصوات باستخدام الشبكات العصبية ذات التأخير الزمني

يقدم المؤلفون نهج الشبكة العصبية ذات التأخير الزمني (TDNN) للتعرف على الأصوات، والذي يتميز بخاصيتين هامتين: (1) باستخدام ترتيب ثلاثي الطبقات من وحدات الحوسبة البسيطة، يمكن بناء تسلسل هرمي يسمح بتشكيل سطوح قرار غير خطية تعسفية، والتي تتعلمها TDNN تلقائيًا باستخدام انتقال الخطأ العكسي؛ و(2) يتيح ترتيب التأخير الزمني للشبكة اكتشاف الميزات الصوتية والفوتيتية والعلاقات الزمنية بينها بشكل مستقل عن الموقع الزمني، وبالتالي لا تتأثر بالتحولات الزمنية في المدخلات. كمهام للتعرف، تم اختيار التعرف المعتمد على المتحدث للأصوات B وD وG في سياقات صوتية متغيرة. للمقارنة، تم تدريب عدة نماذج ماركوف مخفية متقطعة (HMM) لأداء نفس المهمة. أظهر تقييم الأداء على 1946 رمز اختبار من ثلاثة متحدثين أن TDNN يحقق معدل تعرف بنسبة 98.5% صحيح، في حين أن أفضل معدل حصلت عليه نماذج HMM كان 93.7% فقط.