Author(s):
António Teixeira 
; Francisco Vaz
Date: 2011
Origin: Electrónica e Telecomunicações
Subject(s): Neural Networks; gamma net; Redes Neuronais; Rede Gama Concentrada
Document details
Recognition of Speaker with Neural Networks
Description
We present an experience in using a dynamic neural network , the focused gamma net, in the area ofspeaker recognition, in the two variants of verification and identification. The approach used is based on the classicalmodel for speech recognition. First we extract relevant features with a filter bank. Features are compared withpreviously constructed references using a neural network.Decision is done using neural network outputs. A dynamic neural network, the gamma net, was used because thepatterns are time varying.We tried the use of a network per speaker and several speakers per network. The first approach gave better resultsand , being modular, make possible the construction of large systems.Results obtained are promising and show that the method is robust. Neste trabalho apresenta-se uma experiência no uso de uma rede neuronal dinâmica, a Rede GamaConcentrada, na área do Reconhecimento do Orador, nas suas duas variantes de Verificação e Identificação.A abordagem utilizada é baseada no modelo clássico em Reconhecimento de Voz. Primeiro são extraidos atributosrelevantes usando um banco de filtros. As propriedades são comparadas com referências previamente construidasusando a rede neuronal. A decisão é feita usando as saídas da rede neuronal. Foi utilizada uma rede dinâmica devido ánatureza variável no tempo dos padrões.Foi usada uma rede por cada orador cliente e vários oradores por rede. A primeira abordagem deu os melhoresresultados, e por ser modular, torna possível a construção de sistemas com muitos clientes.Os resultados obtidos são promissores e mostram que o método é robusto.
We present an experience in using a dynamic neural network , the focused gamma net, in the area ofspeaker recognition, in the two variants of verification and identification. The approach used is based on the classicalmodel for speech recognition. First we extract relevant features with a filter bank. Features are compared withpreviously constructed references using a neural network.Decision is done using neural network outputs. A dynamic neural network, the gamma net, was used because thepatterns are time varying.We tried the use of a network per speaker and several speakers per network. The first approach gave better resultsand , being modular, make possible the construction of large systems.Results obtained are promising and show that the method is robust. Neste trabalho apresenta-se uma experiência no uso de uma rede neuronal dinâmica, a Rede GamaConcentrada, na área do Reconhecimento do Orador, nas suas duas variantes de Verificação e Identificação.A abordagem utilizada é baseada no modelo clássico em Reconhecimento de Voz. Primeiro são extraidos atributosrelevantes usando um banco de filtros. As propriedades são comparadas com referências previamente construidasusando a rede neuronal. A decisão é feita usando as saídas da rede neuronal. Foi utilizada uma rede dinâmica devido ánatureza variável no tempo dos padrões.Foi usada uma rede por cada orador cliente e vários oradores por rede. A primeira abordagem deu os melhoresresultados, e por ser modular, torna possível a construção de sistemas com muitos clientes.Os resultados obtidos são promissores e mostram que o método é robusto.
Document Type
Article
Language Portuguese
Editor(s) ;
Language Portuguese
Editor(s) ;
| Financiadores do RCAAP | |||||||
|
|
|
|
|
|
||