การประมาณทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟสำหรับการรู้จำหน่วยเสียงภาษาไทยโดยใช้ขั้นตอนวิธีเชิงพันธุกรรม

พัฒนะ ภูริยากร

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/15408

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	อติวงศ์ สุชาโต	-
dc.contributor.author	พัฒนะ ภูริยากร	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2011-06-30T02:05:04Z	-
dc.date.available	2011-06-30T02:05:04Z	-
dc.date.issued	2550	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/15408	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2550	en
dc.description.abstract	ในปัจจุบันมีการนำแบบจำลองฮิดเดนมาร์คอฟมาประยุกต์ใช้ในการรู้จำรูปแบบต่างๆ เป็นจำนวนมาก การรู้จำเสียงก็เป็นการรู้จำแบบหนึ่งที่นิยมใช้แบบจำลองฮิดเดนมาร์คอฟเป็นแบบจำลองทางเสียง การรู้จำด้วยเทคนิคนี้ประสิทธิภาพส่วนหนึ่งของการรู้จำเสียงจะขึ้นอยู่กับทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟที่เลือกใช้ ในวิทยานิพนธ์นี้นำเสนอวิธีการประมาณทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟสำหรับการรู้จำหน่วยเสียงในภาษาไทยโดยวิธีที่นำเสนอนั้นประกอบด้วย 2 ขั้นตอน ในขั้นตอนแรกเป็นการสร้างเซตของทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟด้วยการวิธีการประมาณทอพอโลยีที่เกิดจากการจับคู่กันระหว่างฟังก์ชันวัตถุประสงค์กับวิธีการผลิตทอพอโลยี ขั้นตอนต่อมาจะนำขั้นตอนวิธีเชิงพันธุกรรมมาประยุกต์ใช้เป็นขั้นตอนวิธีในการเลือกทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟที่มีความเหมาะสมสำหรับแต่หน่วยเสียงโดยคำนึงถึงความเหมาะสมโดยรวมและการเลือกทอพอโลยีนั้นจะเลือกจากเซตของทอพอโลยีที่สร้างขึ้นในขั้นตอนแรก จากผลการทดลองพบว่า ทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟที่ประมาณได้จากวิธีที่นำเสนอนั้นสามารถลดค่าความผิดพลาดในการรู้จำเสียงลงได้ 4.36% เมื่อเปรียบเทียบกับทอพอโลยีที่ใช้การเชื่อมต่อของสถานะแบบซ้ายขวา นอกจากนั้นทอพอโลยีดังกล่าวยังสามารถใช้งานได้ดี เมื่อสภาพแวดล้อมของเสียงที่ใช้เป็นฐานข้อมูลเพื่อประมาณทอพอโลยีแตกต่างจากสภาพแวดล้อมของเสียงในการรู้จำ	en
dc.description.abstractalternative	The use of Hidden Markov Models (HMM) in many pattern recognition tasks is very common. Like other pattern recognitions, most Automatic Speech Recognition systems rely on HMM acoustic models. In such systems, recognition performances are significantly affected by their topologies. In this research, we proposed an HMM topology estimation approach for Thai phoneme recognition tasks whose process is divided into 2 stages. Firstly, a set of suitable topologies are constructed by combinations of different objective functions and topology generation methods. Second, a Genetic Algorithm is deployed as the topology selection algorithm which considers global fitness and selects the most suitable topology from the candidates proposed in the previous stage for each phoneme. As a result, the well-trained topology yields a maximum of 4.36% error reduction over predefined left-to-right models. The estimated topologies still work well when the topology estimation was performed on speech utterances whose recording environments differ from ones recognized.	en
dc.format.extent	1844548 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2007.1170	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.title	การประมาณทอพอโลยีของแบบจำลองฮิดเดนมาร์คอฟสำหรับการรู้จำหน่วยเสียงภาษาไทยโดยใช้ขั้นตอนวิธีเชิงพันธุกรรม	en
dc.title.alternative	Hidden Markov model topology estimation for Thai phoneme recognition using genetic algorithm	en
dc.type	Thesis	es
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิศวกรรมคอมพิวเตอร์	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	Atiwong.S@Chula.ac.th	-
dc.subject.keyword	การรู้จำเสียงพูดอัตโนมัติ	en
dc.subject.keyword	โทโพโลยี	en
dc.identifier.DOI	10.14457/CU.the.2007.1170	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Pattana_Bh.pdf		1.8 MB	Adobe PDF	View/Open

Show simple item record