8154

بررسي پيشرفت هاي اخير در زمينه سيستم هاي بازشناسي گفتار با منابع محدود

1399-1400

دكتر اكبري

دكتر بابك ناصر شريف

در سال¬هاي اخير، توسعه سيستم¬هاي بازشناسي خودكار گفتار براي زبان¬هاي با منابع محدود يك از حوزه-هاي تحقيقاتي پويا در زمينه بازشناسي گفتار است. تحقيقات در بازشناسي خودكار گفتار با استفاده از آخرين دستاوردهاي و رويكردهاي يادگيري عميق در مقايسه با روش¬هاي سنتي پيشرفت هاي قابل توجهي را نشان مي دهد. با اين حال از آن جا كه اين روش ها نياز به مقادير زيادي داده هاي آموزشي (خصوصا جفت داده گفتار و متن زيرنويس شده آن) دارند، استفاده از چنين رويكردهايي براي زبانهاي با منابع محدود چالش برانگيز است. اخيراً رويكردهايي نظير داده افزايي ، رويكردهاي چند زبانه و ميان زباني ، يادگيري انتقالي و غيره، آموزش داده ها را با استفاده از معماري يادگيري عميق امكان پذير مي كند. در حال حاضر در اغلب زبان¬هاي موجود در جهان، منابع كافي در دسترس نيست، همچنين جمع آوري و ايجاد اين منابع نيز بسيار زمان¬بر و گران قيمت است. با توجه به افزايش روزافزون تقاضا براي كاربردها و فناوري هاي سيستم¬هاي بازشناسي گفتار و با درنظر گرفتن دشواري ها و هزينه بالاي روش¬هاي جمع آوري داده، و همچنين گستردگي زبان¬هاي با منابع محدود، پرداختن به رويكردهاي بازشناسي گفتار و پوشش زبان هاي با منابع محدود ضروري به نظر مي رسد.

12/23/2020 12:00:00 AM

70378

1399/10/29

A review of recent advances in speech recognition systems with low-resources

بازشناسي خودكار گفتار , منابع محدود , يادگيري عميق , داده افزايي

Automatic Speech Recognition , low-resource , Deep learning , Data Augmentation