Reconhecimento automático do locutor com redes neurais artificiais do tipo Radial Basis Function (RBF) e Minimal Temporal Information (MTI).

• Ano de defesa: 1998
• Autor(a) principal: Timoszczuk, Antonio Pedro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial neural networks (Applications); Automatic speaker recognition; Reconhecimento automático do locutor; Redes neurais artificiais (Aplicações)
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-08102024-151732/

As Redes Neurais Artificiais- RNAs- aplicadas ao Reconhecimento Automático do Locutor- RAL- são objeto de constante pesquisa na atualidade. Neste trabalho é avaliado o potencial de aplicação da rede neural do tipo Radial Basis Function- RBF- como classificador na tarefa de reconhecimento do locutor. Após uma exposição de tópicos considerados importantes para o entendimento do RAL e das RNAs, é definida a configuração do reconhecedor que utiliza como características extraídas das locuções, os coeficientes Mel-Cepstrais. Uma nova forma de organização dos segmentos temporais do sinal de voz denominada de Minimal Temporal Information- MTI - é definida e utilizada para a montagem dos padrões apresentados para o classificador. Para a realização dos testes são utilizadas duas bases de dados distintas, contendo frases foneticamente balanceadas e formadas por dezesseis e dez locutores respectivamente. Uma rede neural do tipo perceptron multicamada (MLP) é utilizada como classificador clássico para a comparação dos resultados obtidos com a RBF nas tarefas de reconhecimento do locutor de forma dependente e independente do texto. A viabilidade da RBF como classificador foi constatada e os resultados obtidos apontam como vantagens o menor tempo gasto para o treinamento e menor complexidade da rede, quando comparada com o método clássico. A utilização das MTIs em conjunto com a RBF proporcionou umamelhoria nas taxas de acerto do reconhecedor e na capacidade de discriminação, tornando-as promissoras como representações temporais dos locutores.