دانلود پروژه تبدیل حرف به صدا در زبان فارسی با شبکه های عصبی پرسپترون چندلایه ای

اختصاصی از ژیکو دانلود پروژه تبدیل حرف به صدا در زبان فارسی با شبکه های عصبی پرسپترون چندلایه ای دانلود با لینک مستقیم و پر سرعت .

عنوان :  تبدیل حرف به صدا در زبان فارسی با شبکه های عصبی پرسپترون چندلایه ای

 قالب بندی :  word

تعداد صفحات :28

شرح مختصر : ساخت سیستم های اتوماتیک تبدیل حرف به صدا برای استفاده در سیستم های تبدیل متن به گفتار در زبان فارسی، به دلیل عدم استفاده از اعراب در نوشتار و در نتیجه مستوربودن بعضی از واژه ها مشکل می باشد و عموماً این سیستم ها برای زبان فارسی کارآیی پایینی دارند . در این مقاله ساختار یک سیستم تبدیل حرف به صدا با معماری سه لایه بررسی شده است. لایه اول این سیستم قانون گرا می باشد و لایه دوم از پنج شبکه عصبی پرسپترون چندلایه ای و یک بخش کنترلر برای تعیین دنباله واژه های متناظر با حروف تشکیل شده است. برای تعیین دنباله واژه های متناظر با حروف، از شبکه های عصبی استفاده می شود. بخش کنترلر نیز، خروجی شبکه ها را کنترل می کند تا دنباله واژه های نهایی متناظر با کلمات با ساختار هجابندی فارسی مطابقت داشته باشد.در لایه سوم نیز یک شبکه عصبی برای تعیین حروف مشدد، با استفاده از نتایج مراحل قبل وجود دارد. اجزاء مختلف این سیستم به گونه ای طراحی شده اند که در نهایت برای هر کلمه، یک دنباله واژه منطقی تولید گردد منظور از دنباله واژه منطقی، دنباله واژه می باشد که در آن اصول بدیهی واژه نگاری و ساختار هجابندی زبان فارسی رعایت شده باشد. میزان درستی به دست آمده برای حروف 88 % و برای کلمات %61 می باشد که برای تبدیل حرف به صدای زبان فارسی کارآی بسیارخوبی می باشد.

فهرست :  

چکیده

مقدمه

واژگان مورد استفاده

لایه قانون گرا

لایه میانی

لایه سوم : شبکه تعیین حروف مشدد

ارزیابی سیستم

نتیجه گیری و پیشنهاد

منابع

 

دانلود پاورپوینت شبکه های عصبی مصنوعی

اختصاصی از ژیکو دانلود پاورپوینت شبکه های عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری شبکه عصبی در برابر خطاهای  داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار،شناسائی وتعبیر تصاویر،و یادگیری روباتاعمال شده است.

شبکه عصبی چیست؟

روشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد  پردازشی  ساخته میشود.

شبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود  که مجموعه ورودی را به خروجی ربط میدهند.

شبکهعصبی چه قابلیتهائی دارد؟

محاسبه یک تابع  معلوم

تقریب یک تابع ناشناخته

شناسائی الگو

پردازش سیگنال

یادگیری

مسائل مناسب برای یادگیری شبکه های عصبی

خطا در داده های آموزشی وجود داشته باشد.

 مثل مسائلی که داده های آموزشی دارای نویز حاصل از دادهای سنسورها نظیر دوربین و میکروفن ها هستند.

مواردی که نمونه ها توسط مقادیر زیادی زوج ویژگی-مقدار نشان داده شده باشند. نظیر داده های حاصل از یک دوربین ویدئوئی.

 تابع هدف  دارای مقادیر پیوسته باشد.

زمان کافی برای یادگیری وجود داشته باشد. این روش  در مقایسه با روشهای دیگر نظیر درخت تصمیم نیاز به زمان بیشتری برای یادگیری دارد.

نیازی به تعبیر تابع هدف نباشد. زیرا به سختی میتوان  وزنهای یادگرفته شده توسط شبکه را تعبیر نمود.

الهام از طبیعت

lمطالعه شبکه های عصبی مصنوعی تا حد زیادی ملهم از سیستم های یادگیر طبیعی است که در آنها یک مجموعه پیچیده از نرونهای به هم متصل  در کار یادگیری دخیل هستند.

lگمان میرود که مغز انسان از تعداد 10 11 نرون تشکیل شده باشد که هر نرون با تقریبا 104 نرون دیگر در ارتباط است.

lسرعت سوئیچنگ نرونها در حدود 10-3 ثانیه است که در مقایسه با کامپیوترها 10 -10 ) ثانیه ( بسیار ناچیز مینماید. با این وجود آدمی قادر است در 0.1 ثانیه  تصویر یک انسان را بازشناسائی نماید. این قدرت فوق العاده باید از پردازش موازی توزیع شده در تعدادی زیادی از نرونها حاصل شده باشد.

شامل 85 اسلاید powerpoint

پاورپوینت جامع و کامل درباره دستگاه عصبی

اختصاصی از ژیکو پاورپوینت جامع و کامل درباره دستگاه عصبی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (لینک دانلود پایین صفحه) تعداد اسلاید  : 155 اسلاید

دستگاه عصبی :

•سیستم عصبی یکی از سیستم های تنظیمی است که اطلاعات را از داخل یا خارج بدن دریافت می کند و آنها را پردازش کرده و ایمپالسهایی برای کنترل اعمال مختلف بدن ارسال می کند.

 

 

 

نورون :

•تارهای عصبی از نظر سرعت هدایت پیام عصبی به شکل زیر تقسیم بندی می شوند؛

•تارهای نوع A: رشته قطور و میلین دار با سرعت زیاد هستند. رشته سوماتیک

•تارهای نوع B: رشته های نازک و میلین دار هستند. پیش عقده ای سمپاتیکی

•تارهای نوع C: رشته های نازک بدون میلین با سرعت کند هستند.

 

 

 

تعریف واژه :

•پریکاریون: جسم سلولی نورونها را پریکاریون می گویند. اگر جسم سلولی در سیستم عصبی مرکزی باشد آنرا هسته و اگر خارج از آن باشد بنام گانگلیون می نامیم.

•آکسون و دندریت: زوائد کوتاه و و منشعب بعنوان دندریت شناخته شده و از نظر علمی آوران هستند و زوائد بلند آکسون می باشند و  از نظر عملکردی وابران هستند.

•سیناپس: ارتباط بین دو نورون و یا یک نورون را با عضله سیناپس میگویند سیناپسها بصورت تحریکی یا مهاری عمل می کنند.

•گانگلیون: تجمع جسم سلولی نورونها را عقده یا گانگلیون می گویند که معمولا در خارج از CNS وجود دارد به استثنای هسته های قاعده ای.

 

تخمین شاخص فشردگی رس به کمک شبکه ی عصبی

اختصاصی از ژیکو تخمین شاخص فشردگی رس به کمک شبکه ی عصبی دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله : تخمین شاخص فشردگی رس به کمک شبکه ی عصبی

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:7

نوع فایل :  pdf

پاورپوینت کامل شبکه های عصبی Artificial Neural Networks

اختصاصی از ژیکو پاورپوینت کامل شبکه های عصبی Artificial Neural Networks دانلود با لینک مستقیم و پر سرعت .

عنوان:پاورپوینت شبکه های عصبی مصنوعی

تعداد صفحات:24(کامل و جامع)

توضیحات: پارورپوینت کاملا حرفه ای با طرحی فوق العاده،بک گراند زیبا و جذاب،فونت های زیبا و هنری،مطالب جدید و کامل.

مطالبی که در این پاورپوینت به آن پرداخته شده است با منابع در فهرست مطالب ذکر شده است ( تصاویر زیر).

هدیه فروشگاه به شما:

با خرید این محصول    را نیز دریافت خواهید کرد.......

تصاویری از محیط پاورپوینت: