Reconocimiento automático de fonemas en habla continúa venezolana por medio de sistemas híbridos basados en modelos ocultos de Márkov y redes neuronales artificiales

Georges Jabbour Chediak, José Luciano Maldonado

Resumen


En esta investigación se proponen y evalúan dos enfoques híbridos basados en modelos ocultos de Márkov (MOM) y redes neuronales artificiales (RNA) para el reconocimiento automático del habla. El desempeño de estos enfoques híbridos se compara con el de un reconocedor basado sólo en MOM (el reconocedor MOM). En el primero de los enfoques híbridos, una RNA cumple el papel de estimador de las probabilidades de las observaciones para los MOM, mientras que en el segundo enfoque se emplea una RNA como reconocedor de la señal de voz, en base a las probabilidades producidas por los MOM. Los tres reconocedores fueron programados a través de Matlab® y se entrenaron con señales de habla continua venezolana, pertenecientes a una base de datos que forma parte del proyecto europeo SpeechDat. La unidad de entrenamiento acústico que se utilizó fue el fonema. Los resultados obtenidos indican que mediante el primer enfoque híbrido, utilizando redes perceptrónicas multicapa, se logra un reconocimiento mejor que el del reconocedor MOM en un 2,3%, mientras que con el segundo enfoque híbrido, utilizando redes de funciones de base radial, se logra una mejoría del 4,7%.


Palabras clave


Suspoemulsiones; formulación; bentonita; o/w; estabilidad.

Texto completo:

PDF


Creative Commons License
Todos los documentos publicados en esta revista se distribuyen bajo una
Licencia Creative Commons Atribución -No Comercial- Compartir Igual 4.0 Internacional.
Por lo que el envío, procesamiento y publicación de artículos en la revista es totalmente gratuito.