文献

J-GLOBAL ID：201802215387030237   整理番号：18A2097819

iotを用いた音声認識への最適化アプローチ【JST・京大機械翻訳】

Optimize Approach to Voice Recognition Using IoT

著者 (2件)： Patel Nitesh Purushottam (Electronics & Telecommunication Department, D Y Patil College of Engineering Ambi, Pune, India) ,  Kale Ashwini (Electronics & Telecommunication Department, D Y Patil College of Engineering Ambi, Pune, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICACCT  ページ： 251-256  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 言語コミュニケーションは,人間に対するプロlamationの行動に対する最良の方法の一つであり,思考,感情および関連データを与え,考慮することができる。音声は,デバイスによるデバイスまたは話を教える最も能力のある方法である。実世界の環境におけるASR技術の応用の最大値である主な制約のために,経験により,隠れMarkovモデル上に存在する検出システムは,実行状況よりも十分に少なくなっている。しかしながら,過去10年間において,いくつかの試みはHMM欠損を推定することを含んでいる。人工神経回路網(ANN)とより特異的な多層パーception(MLP)は,分類モードにおけるHMMの代替あるいは支援に関して,これに関して有望な代替案であると思われる。雑音干渉とサイレンス抑制を低減するためにアルゴリズムを適用した。次に,上記の干渉からの信号を処理して,特徴を抽出した。MFCCを特徴抽出技術として用いた。それは,雲を通して,FAN,球のような装置にラズベリーpiを通して適用される。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 警報装置 ,  特徴抽出 ,  干渉 ,  雑音 ,  隠れMarkovモデル ,  ニューラルネットワーク ,  アルゴリズム ,  *最適化 ,  *音声認識 ,  多層
準シソーラス用語： ラズベリー ,  MFCC ,  検知システム , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： IoT ,  音声認識 ,  最適化