فایل ورد کامل تشخیص فعالیت صوتی: ادغام منبع و اطلاعات مبتنی بر فیلتر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص فعالیت صوتی: ادغام منبع و اطلاعات مبتنی بر فیلتر،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۸ صفحه

۵ نتیجه گیری
هدف از این مقاله بررسی استفاده مشترک از ویژگی های مبتنی بر فیلتر ومنبع برای هدف VAD بود. نتیجه گیری های اصلی این مطالعه به شرح زیر است: ۱) ویژگی های مربوط به منبع، و به خصوص ۳ ویژگی های ارائه شده ، ۱) قدرت تشخیص بهتری دارند و استفاده از آنها در یک سیستم VAD کارآمد لازم است،۲ ) به عنوان یک استراتژی برای ادغام منابع مختلف اطلاعات، فیوژن تصمیم بهتراز فیوژن ویژگی عمل میکند، ۳) نتیجه سیستم پیشنهادی ، ترکیب کننده منبع و اطلاعات مبتنی بر فیلتر، عملکرد بسیار بهتری در مقایسه با روشهای مدرن تولید میکند، ۴) استحکام ویژگی های مربوط به منبع همراه با قابلیت های تعمیم شبکه های عصبی باعث می شود تا روش پیشنهادی به خوبی در شرایط مکشوف نشده عمل کند.

عنوان انگلیسی:Voice Activity Detection: Merging Source and Filter-based Information~~en~~

V. CONCLUSION

The goal of this letter was to investigate the joint use of source and filter-based features for VAD purpose. The main conclusions of this study are the following: i) source-related features, and especially the 3 proposed features, have a better discrimination power and their use in an efficient VAD system is necessary, ii) as a strategy to merge different sources of information, decision fusion outperforms feature fusion, iii) the resulting proposed system, combining source and filter-based information, gives a significantly better performance compared to state-of-the-art methods, iv) the robustness of source-related features combined with the generalization capabilities of neural networks makes the proposed approach perform very well in unseen conditions.

$$en!!