Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\".
Autor(a) principal: | |
---|---|
Data de Publicação: | 2000 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/3/3142/tde-28082024-112703/ |
Resumo: | Neste trabalho é avaliado um novo modelo de Rede Neural Artificial (RNA), inspirado na Sparse Distributed Memory (SDM) desenvolvida por Pentti Kanerva em 1988, capaz de operar com vetores de coeficientes reais e obter uma classificação não linear a partir de um treinamento realizado em uma única época. A avaliação do modelo proposto, denominado Field Distributed Memory (FDM), é realizada através de sua aplicação ao problema do reconhecimento automático do locutor (RAL) em uma tarefa de identificação de locutores em um conjunto fechado e posterior comparação com o resultado obtido previamente para as redes neurais MLP e RBF, utilizando a mesma base de dados e os mesmos parâmetros de pré-processamento e geração dos parâmetros. É apresentada uma exposição breve da teoria de redes neurais artificiais e do reconhecimento automático do locutor, com ênfase nos aspectos diretamente ligados ao trabalho aqui desenvolvido, seguida de uma exposição sobre a estrutura e o funcionamento da FDM. Na avaliação experimental são utilizados os Coeficientes Mel-Cepstrais gerados, aplicados a um programa que implementa a FDM especialmente para a tarefa de identificação do locutor. Os resultados obtidos são comparados com os resultados obtidos em trabalho anterior. A viabilidade da FDM para a aplicação proposta foi constatada com a obtenção de resultados compatíveis com os gerados pelos paradigmas comparados, e alguns destes resultados obtidos com a FDM indicam ter este modelo potencial para competir com outras RNAs que apresentam bom desempenho. |
id |
USP_a7dba8a7e719c8e534d8ae62224c613e |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-28082024-112703 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\".Untitled in englishArtificial neural networks (Applications)Automatic speaker recognitionReconhecimento automático do locutorRedes neurais artificiais (Aplicações)Neste trabalho é avaliado um novo modelo de Rede Neural Artificial (RNA), inspirado na Sparse Distributed Memory (SDM) desenvolvida por Pentti Kanerva em 1988, capaz de operar com vetores de coeficientes reais e obter uma classificação não linear a partir de um treinamento realizado em uma única época. A avaliação do modelo proposto, denominado Field Distributed Memory (FDM), é realizada através de sua aplicação ao problema do reconhecimento automático do locutor (RAL) em uma tarefa de identificação de locutores em um conjunto fechado e posterior comparação com o resultado obtido previamente para as redes neurais MLP e RBF, utilizando a mesma base de dados e os mesmos parâmetros de pré-processamento e geração dos parâmetros. É apresentada uma exposição breve da teoria de redes neurais artificiais e do reconhecimento automático do locutor, com ênfase nos aspectos diretamente ligados ao trabalho aqui desenvolvido, seguida de uma exposição sobre a estrutura e o funcionamento da FDM. Na avaliação experimental são utilizados os Coeficientes Mel-Cepstrais gerados, aplicados a um programa que implementa a FDM especialmente para a tarefa de identificação do locutor. Os resultados obtidos são comparados com os resultados obtidos em trabalho anterior. A viabilidade da FDM para a aplicação proposta foi constatada com a obtenção de resultados compatíveis com os gerados pelos paradigmas comparados, e alguns destes resultados obtidos com a FDM indicam ter este modelo potencial para competir com outras RNAs que apresentam bom desempenho.In this work a new artificial neural network (ANN) model, based on Pentti Kanerva\'s Sparse Distributed Memory, is presented and evaluated. This new network operates with arrays of real coefficient arrays and is able to produce a non-linear classification from a single epoch training. The proposed model, named here Field Distributed Memory (FDM), is validated by the results obtained from an automatic speaker recognition system operating in a closed set, followed by a comparison between the results obtained in this application and the ones previously obtained for a MLP and a RBF, with the same voice database and the same parameters choice. The automatic speaker recognition and artificial neural network theories are briefly presented with emphasis on the topics related to this work, followed by a structural and functional description of the FDM. Mel-frequency cepstral coefficients have been used in the experimental evaluation. They have been produced from the previous voice database and applied to a FDM specifically developed to the automatic speaker identification task. The results of FDM are compared with results generated by a previous work. The FDM efficiency was checked and the results produced are comparable with the ones generated by a MLP and a RBF. Besides, some of results obtained with FDM indicates that this model has potential to compete with others successful ANN\'s paradigms.Biblioteca Digitais de Teses e Dissertações da USPCabral Junior, Euvaldo FerreiraBlanco, Marcelo2000-10-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3142/tde-28082024-112703/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-28T14:32:02Zoai:teses.usp.br:tde-28082024-112703Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-28T14:32:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". Untitled in english |
title |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". |
spellingShingle |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". Blanco, Marcelo Artificial neural networks (Applications) Automatic speaker recognition Reconhecimento automático do locutor Redes neurais artificiais (Aplicações) |
title_short |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". |
title_full |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". |
title_fullStr |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". |
title_full_unstemmed |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". |
title_sort |
Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\". |
author |
Blanco, Marcelo |
author_facet |
Blanco, Marcelo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cabral Junior, Euvaldo Ferreira |
dc.contributor.author.fl_str_mv |
Blanco, Marcelo |
dc.subject.por.fl_str_mv |
Artificial neural networks (Applications) Automatic speaker recognition Reconhecimento automático do locutor Redes neurais artificiais (Aplicações) |
topic |
Artificial neural networks (Applications) Automatic speaker recognition Reconhecimento automático do locutor Redes neurais artificiais (Aplicações) |
description |
Neste trabalho é avaliado um novo modelo de Rede Neural Artificial (RNA), inspirado na Sparse Distributed Memory (SDM) desenvolvida por Pentti Kanerva em 1988, capaz de operar com vetores de coeficientes reais e obter uma classificação não linear a partir de um treinamento realizado em uma única época. A avaliação do modelo proposto, denominado Field Distributed Memory (FDM), é realizada através de sua aplicação ao problema do reconhecimento automático do locutor (RAL) em uma tarefa de identificação de locutores em um conjunto fechado e posterior comparação com o resultado obtido previamente para as redes neurais MLP e RBF, utilizando a mesma base de dados e os mesmos parâmetros de pré-processamento e geração dos parâmetros. É apresentada uma exposição breve da teoria de redes neurais artificiais e do reconhecimento automático do locutor, com ênfase nos aspectos diretamente ligados ao trabalho aqui desenvolvido, seguida de uma exposição sobre a estrutura e o funcionamento da FDM. Na avaliação experimental são utilizados os Coeficientes Mel-Cepstrais gerados, aplicados a um programa que implementa a FDM especialmente para a tarefa de identificação do locutor. Os resultados obtidos são comparados com os resultados obtidos em trabalho anterior. A viabilidade da FDM para a aplicação proposta foi constatada com a obtenção de resultados compatíveis com os gerados pelos paradigmas comparados, e alguns destes resultados obtidos com a FDM indicam ter este modelo potencial para competir com outras RNAs que apresentam bom desempenho. |
publishDate |
2000 |
dc.date.none.fl_str_mv |
2000-10-24 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/3/3142/tde-28082024-112703/ |
url |
https://www.teses.usp.br/teses/disponiveis/3/3142/tde-28082024-112703/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091157142011904 |