A Comparative study of artifical neural networks for phoneme recognition

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 1993

Tezin Dili: İngilizce

Öğrenci: ABDURRAHMAN UĞUR ÜNLÜAKIN

Danışman: SADIK FİKRET GÜRGEN

Özet:

ÖZET Fonem tanıma, fonem sınıflarının kesin tanımlanmamış ve bulanık sınırlara sahip olduğu zor bir işlemdir. Yapay sinir ağları ise sınıflar arası sınırları başarıyla ayarlayabilen öğrenme metodlarının varolması dolayısıyla fonem tanıma problemleri için ümit vadeden bir tekniktir. Bununla birlikte, bu teknikte kullanılabilecek birçok metot olduğu gibi seçilebilecek birçok da ağ yapısı vardır. Bu tez, gerisayma öğrenme tekniğiyle ve farklı hedef fonksiyonlar kullanılarak eğitilen ileri beslemeli sinir ağlarının fonem tanıma problemi üzerindeki performanslarını araştırmaktadır. Hedef fonksiyonlarının detaylı bir karşılaştırmasını yapabilmek ve öğrenme performanslarını belirleyebilmek için, farklı hedef fonksiyonlar kullanılarak eğitilmiş bir, iki gizli katmanlı ve farklı sayılarda gizli düğümü bulunan ileri beslemeli ağlar kullanılmıştır. Beş farklı hedef fonksiyon sınanmıştır: Ortalama Karesel Hata, Çapraz-entropi, Bir Birleşik Hata Ölçümü, Ağırlık Azaltma, Ağırlık Eleme. Bu hedef fonksiyonlarla eğitilmiş ileri beslemeli ağların ve en yakın komşu metodunun tanıma performansları, Japonca'nın en zor ayırdedilebilen altı fonemi, /b, d, g, m, n, N/, kullanılarak konuşmacı bağımlı durum için sınanmıştır. Sonuçlar tartışılmış ve bazı öneriler getirilmiştir.